TEOREMA DEL LIMITE CENTRAL Si se obtiene una muestra de una poblacin normal, entonces la media muestral tiene una

distribucin normal sin importar el tamao de la muestra. Sin embargo, se puede demostrar que de hecho no importa el modelo de probabilidad del cual se obtenga la muestra; mientras la media y la varianza existan, la distribucin de muestreo de `X se aproximar a una distribucin normal conforme n aumente. Lo anterior constituye uno de los ms importantes teoremas en inferencia estadstica y se conoce como TEOREMA DEL LIMITE CENTRAL. En muchos casos, puede concluirse en forma segura que la aproximacin ser buena mientras n > 30. Para mostrar la validez del teorema del limite central veamos el siguiente ejemplo Suponga que de una poblacin consistente en los valores 0, 2, 4, 6 y 8, se toman muestras de tamao 2 con remplazo. X Frecuencia Frecuencia Relativa 0 1 1/5 = .2 2 1 1/5 = .2 4 1 1/5 = .2 6 1 1/5 = .2 8 1 1/5 = .2 Solucin: 1. Paso Se calcula la media poblacional, la varianza y desviacin estndar poblacional.

2. Paso Grfica de la distribucin de frecuencia para la poblacin

Esta grfica no puede considerarse acampanada o normal. 3. Paso Se toman muestras de tamao dos con remplazo. Muestra 0, 0 0, 2 0, 4 0, 6 0, 8 2, 0 2, 2 2. 4 2, 6 2, 8 4. Paso Muestra 4, 0 4, 2 4, 4 4, 6 4, 8 6, 0 6, 2 6, 4 6, 6 6, 8 Muestra 8, 0 8, 2 8, 4 8, 6 8, 8

0 1 2 3 4 1 2 3 4 5

2 3 4 5 6 3 4 5 6 7

4 5 6 7 8

Se agrupa a las medias mustrales en la tabla de frecuencia siguiente: F 1 2 3 4 5 4 3 2 1 5. Paso Se calcula la media poblacional de medias , la varianza de la medias y desviacin estndar de las medias error estndar de las medias.

0 1 2 3 4 5 6 7 8

6.

Paso

Grfica de la distribucin de frecuencia para la poblacin de medias maestrales

7. Paso Conclusin De la apariencia acampanada de la distribucin de las medias, concluimos que es razonable aproximar la distribucin muestral de por una distribucin normal, una vez que se conoce la media y la desviacin estndar de la distribucin muestral.