LIMITE CENTRAL
DR. JORGE ACUÑA A., PROFESOR
TEOREMA DEL LIMITE
CENTRAL
“Si se toman sucesivas muestras (k) de tamaño n de
una población que puede o no ser normal, la
distribución de probabilidad de esas muestras,
conforme n se vuelve grande, se aproxima a una
distribución normal con:
x x
x
x
n
x
x Z
x
DR. JORGE ACUÑA A., PROFESOR
CONCEPTOS
Distribución muestral es una lista de todos los
valores posibles para un estadístico y la probabilidad
asociada con ese valor.
Error estándar de la distribución muestral de medias
es: 2
2
2
x x
2
x
2
n
n n x
Factor de corrección para poblaciones finitas
N n
2
2
*
x
n N 1
Estimaciones mejores con muestras más grandes
DR. JORGE ACUÑA A., PROFESOR
TEOREMA DEL
LIMITE CENTRAL
n1
x1 x 2 x 3 x 4 ........ xk
N
n2
x
x
k :# de muestras
n3
k
x x
2
n4
x 2
k
nm
P( x 8900) 1 P( x 8900)
8900 8500
P( x 8900) 1 N 1 N (2.05)
1950 / 100
P( x 8900) 1 0.9798 0.0202
8000 8500
P( x 8000) N N (2.56) 0.0053
1950 / 100
n4 p
p
k :# de muestras
k
p
nk Z
p
DR. JORGE ACUÑA A., PROFESOR
DISTRIBUCION DE LAS
PROPORCIONES MUESTRALES
Error estándar de la distribución muestral de
proporciones es:
* (1 )
p
n
p * (1 p )
sp
n
Factor de corrección para poblaciones finitas
* (1 ) N n p * (1 p) N n
sp
n N 1 n N 1
DR. JORGE ACUÑA A., PROFESOR
EJEMPLO