Estadstica MII

Teorema del Lmite Central

Postula que, en condiciones muy generales respecto a las distribuciones de los sumandos, la
suma de variables aleatorias independientes tiende a distribuirse normalmente a medida que
aumenta el nmero de sumandos. A este resultado se le conoce con el nombre de Teorema Central
del lmite.
Este resultado terico justifica, en cierto sentido, la frecuencia con la que se presentan en la
realidad variables aleatorias cuya distribucin se asemeja a la pauta de variabilidad terica de una
distribucin normal. En efecto, muchas variables reales pueden considerarse como el resultado de la
actuacin de un conjunto de factores independientes. Por ejemplo, as el rendimiento obtenido en
una parcela cultivada depende de las caractersticas del suelo, de las condiciones microclimticas,
del grado de incidencia de diversas plagas, del potencial gentico de las semillas concretas
utilizadas, etc.

Como consecuencia del teorema central del lmite cabe esperar que dicho rendimiento, que
en cierto sentido es la suma de una serie de factores independientes, se distribuya aproximadamente
de forma normal.

En el caso dado de otras distribuciones, como lo son las discretas, por poner un ejemplo, la
binomial, que no es ms que la suma de N variables de Bernoulli independientes, cabe esperar que
su distribucin se vaya aproximando a la de una normal a medida que aumente N. En efecto si X es
una variable binomial (N, p) y su varianza es Np (1-p) es moderadamente grande (valores mayores
o iguales que 9 son suficientes para obtener aproximaciones razonables) la variable tipificada:

X Np
Y=
Np( 1 p)

Tiende a distribuirse aproximadamente como una N [0,1], pudiendo utilizarse las tablas de
sta para calcular las probabilidades de la primera.

Tambin una variable de Poisson puede aproximarse por una normal si su parmetro no es
muy pequeo (valores del orden de 9 ms son recomendables para obtener aproximaciones
satisfactorias). As si X sigue una distribucin de Poisson de parmetro , la variable tipificada:
X
Y=

Sigue aproximndose a una distribucin N [0,1], si es suficientemente grande.

1 Equipo A:
Edwing Cid Cant
Mildred Virginia Lpez Segura
 Estadstica MII

Ejemplo:

A una central telefnica llega en promedio 2 llamadas por minuto. Calcular

aproximadamente la probabilidad de que en una hora se reciban ms de 150 llamadas.
Siendo Xi las llamadas en el minuto iY: nmero de llamadas en una hora = X1++X60
Suponiendo que las Xi son independientes:

Y Poisson ( =2+ +2=120 ) .

Como >9 Y se puede aproximar por una normal con su misma media (120) y desviacin
estndar = RaizRaz (120) = 10.95

z120 150.5120
Z N (120, 10.95 ) >150.5=P ( > )=P( N ( 0,1 ) >2.79)=0.0026
10.95 10.95
P(Y > 150) P

Bibliografa:

Cabrera Garca, S. (28 de Noviembre de 2011). Distribucin normal. Teorema

del lmite central. Recuperado el 05 de Marzo de 2017, de Universitat
Politcnica de Valencia: https://www.youtube.com/watch?v=NLHbuBDnjlA

Vivanco, M. (2005). Muestreo Estadstico: Diseo y Aplicaciones. Santiago de

Chile: Editorial Universitaria.

2 Equipo A:
Edwing Cid Cant
Mildred Virginia Lpez Segura