Академический Документы
Профессиональный Документы
Культура Документы
ASIGNATURA: ESTADISTICA II
DESARROLLO
Teorema de lmite central
Si el tamao de la muestra es grande (n>30) la distribucin de de manera que,
la media de Sn es n y la varianza n2, dado que son variables aleatorias
independientes. Con tal de hacer ms fcil la comprensin del teorema y su
posterior uso, se hace una estandarizacin de Sn como
Ejercicio 1.
Cada renta personal es una variable independiente que se ditribuye segn una
funcin uniforme. Por ello, a la suma de las rentas de 100 personas se le puede
aplicar el Teorema Central del Lmite.
2
La media y varianza de cada variable individual es:
m = (4 + 10 ) / 2 = 7
s 2 = (10 - 4)^2 / 12 = 3
Por tanto, la suma de las 100 variables se distribuye segn una normal cuya
media y varianza son:
Para calcular la probabilidad de que la suma de las rentas sea superior a 725
millones ptas, comenzamos por calcular el valor equivalente de la variable
normal tipificada:
Luego:
Ejercicio 2.
"No salir a la pizarra", le damos el valor 0 y tiene una probabilidad del 0,9
m = 0,10
3
Por tanto, la suma de las 100 variables se distribuye segn una normal cuya
media y varianza son:
Luego:
EJERCICIO 3
"No salir negro", le damos el valor 0 y tiene una probabilidad del 0,515
(*) La probabilidad de "no salir negro" es mayor ya que puede salir rojo o el
cero
m = 0,485
4
Varianza: n * s2 = 80 * 0,25 = 20
Para doblar nuestro dinero el negro tiene que salir al menos 20 veces ms que
el rojo (20 * 500 = 10.000), por lo que tendr que salir como mnimo 50 veces
(implica que el rojo o el cero salgan como mximo 30 veces).
Luego:
Es decir, la probabilidad de doblar el dinero es tan slo del 0,62% (as, que ms
vale que nos pongamos a trabajar).
EJERCICIO 4
5
Luego:
CONCLUSIN
Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamao n
(n>30) y calculamos los promedios muestrales, dichos promedios seguirn una
distribucin normal. Adems, la media ser la misma que la de la variable de
inters, y la desviacin estndar de la media muestral ser aproximadamente el
error estndar.
Un caso concreto del teorema central del lmite es la distribucin binomial. A
partir de n=30, la distribucin binomial se comporta estadsticamente como una
normal, por lo que podemos aplicar los tests estadsticos apropiados para esta
distribucin.
La importancia del teorema central del lmite radica en que mediante un
conjunto de teoremas, se desvela las razones por las cuales, en muchos
campos de aplicacin, se encuentran en todo momento distribuciones normales
o casi normales.
BIBLIOGRAFA
http://elactuariofiecs.blogspot.com/2010/04/el-teorema-central-del-
limite.html
http://www.economia48.com/spa/d/teorema-del-limite-central/teorema-del-
limite-central.htm