TEOREMA DEL LIMITE CENTRAL

PRESENTADO POR:
Laura Daniela Martin Beltrn COD. 20112025072

INTRODUCCION
El teorema del lmite central es un concepto de gran importancia para la inferencia
estadstica, pues establece que la suma de variables aleatorias converge a una
distribucin normal. Como ya se sabe, la distribucin normal permite realizar
muchas aplicaciones en cualquier entorno debido a que varios fenmenos naturales
tienen un comportamiento semejante a esta. Del teorema del lmite central se
desprende conceptos de inferencia estadstica como: muestreo y variables
aleatorias.

RESUMEN
Este trabajo contiene el desarrollo del concepto del teorema del lmite central as
como los conceptos que se desprenden de el en la inferencia estadstica, como son
el concepto de muestreo y variables aleatorias.

TEOREMA DEL LIMITE CENTRAL

El teorema del lmite central es uno de los teoremas ms importantes para la teora
estadstica, aunque su demostracin no es tan sencilla. La primera demostracin
fue hecha por el matemtico francs Abraham DeMoivre en el ao de 1733, luego
en el ao de 1812 el teorema fue demostrado de forma ms general por el
matemtico francs Pierre Simon Laplace. La ultima demostracin del teorema fue
elaborado por el matemtico ruso Liapounoff en 1901.
El teorema central del lmite establece que la media de variables aleatorias
independientes e igualmente distribuidas tiene, aproximadamente, una distribucin
normal cuando el nmero de variables aleatorias involucradas es grande y cuando
la varianza es infinita y diferente de cero (Blanco Castaeda, 2004, pg. 285)
Teorema:
Sea X1, X2, , Xn una sucesin de variables aleatorias independientes e igualmente

distribuidas con media y varianza infinita 2. Sean = =1 y = .

Entonces, la sucesin de variables aleatorias Y1, Y2, , Yn converge en distribucin

a una variable aleatoria Y, donde Y tiene distribucin normal estndar.


lim (
) = ();

Este teorema nos indica que al sumar las variables aleatorias y a medida que el
nmero de sumandos crece, esta sucesin tiende a converger a una distribucin
normal de probabilidad.
El teorema del lmite central se puede aplicar a cualquier distribucin por ejemplo:
binomial, binomial negativa, gamma, etc. Ya que estas distribuciones todas las
hiptesis del tema.
Teorema:
Sea X1, X2, , Xn una sucesin de vectores aleatorios k-dimensionales, k a los
nmeros naturales, independientes igualmente distribuidos con vector de medias
y matriz de varianzas y covarianzas , donde es definida positiva. Sea:

1 + 2 + +

el vector de medias aritmticas. Entonces:

) ,
(
Donde X es un vector aleatorio k-dimensional con distribucin normal multivariada
con vector de medias 0 y matriz de varianzas y covarianzas .

MUESTRA ALEATORIA
La muestra aleatoria consiste en un procedimiento en el cual si se tiene una
poblacin con determinada cantidad de elementos y al escoger un subconjunto de
la poblacin, el proceso de muestreo asegura que los subconjuntos de la poblacin
con el mismo tamao van a tener la misma probabilidad.
Definicin:
Sean X1, X2, , Xn variables aleatorias. Se dice que X1, X2, , Xn es una muestra
aleatoria de tamao n, si cumple con las siguientes condiciones:
I.
II.

Las variables X1, X2, , Xn son independientes.

Cada una de las variables aleatorias X1, X2, , Xn tienen la misma distribucin.

Definicin:
Si las variables aleatorias X1, X2, , Xn tienen la misma funcin de densidad de
probabilidad que la distribucin de poblacin y su funcin de distribucin conjunta
de probabilidad es igual al producto de las marginales, entonces X1, X2, , Xn forman

un conjunto de n variables aleatorias independientes e idnticamente distribuidas

que constituyen una muestra aleatoria de poblacin.
El concepto de muestra aleatoria se desprende del concepto de teorema del lmite
central, es por eso que en la definicin de muestra aleatoria se establece que las
variables aleatorias que conforman una muestra deben ser independientes e
igualmente distribuidas.

Bibliografa
Blanco Castaeda, L. (2004). Probabilidad. Bogot: Universidad Nacional de
Colombia.
Canavos, G. C. (1988). Probabilidad y estadstica, aplicaciones y mtodos.
McGRAW-HILL.
Mendoza, H, Bautista, & G. (24 de Septiembre de 2014). Probabilidad y Estadstica.
Universidad
Nacional
de
Colombia.
Obtenido
de
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/