Objetivo de la practica

Comprobar el teorema de limite central con ayuda de algn software para generar
varios vectores de 1000 elementos aleatorios con una distribucin de probabilidad
uniforme, que tengan como posibles valores +1 y -1; y presentar las leyes de
probabilidad correspondiente.

Introduccin

En el presente reporte se describe y se comprueba de una manera clara el teorema de
limite central de forma practica. El software que se uso para generar los datos
aleatorios necesarios fue Excel.

Para poder comprobar el teorema se generaron 100 vectores con 1000 elementos
cada uno con valores de 1 y -1, con una pdf uniforme cada vector; estos vectores se
fueron sumando componente a componente, hasta que se logro apreciar como la suma
de los elementos en un vector final tenia una distribucin de probabilidad gaussiana;
este proceso se detalla mas adelante en el parte del desarrollo.

En el apartado de los resultados se muestran las leyes de probabilidad de algunos
vectores as como tambin la ley del probabilidad del vector final, y finalmente se hace
la comparacin del histograma del vector final con la curva de la funcin gaussiana.

Marco terico.

Teorema de Limite Central:
El teorema de limite central es de gran utilidad en probabilidad pues establece que la
suma de variables aleatorias estadsticas independientes con igual distribucin de
probabilidad con media y varianza finita a una CDF Gaussiana cuando el numero de
distribuciones tiene de a infinito.
Esto es:

Sea X1, X2, X3,Xn,, un conjunto de variables aleatorias igualmente distribuidas un
media y varianza

; y con n suficientemente grande:

tiene aproximadamente una distribucin normal con

.
Propiedades:
El teorema del lmite central garantiza una distribucin normal cuando n es
suficientemente grande.
Existen diferentes versiones del teorema, en funcin de las condiciones
utilizadas para asegurar la convergencia. Una de las ms simples establece que
es suficiente que las variables que se suman sean independientes,
idnticamente distribuidas, con valor esperado y varianza finitas.

La aproximacin entre las dos distribuciones es, en general, mayor en el centro
de las mismas que en sus extremos o colas, motivo por el cual se prefiere el
nombre "teorema del lmite central" ("central" califica al lmite, ms que al
teorema).


Este teorema, perteneciente a la teora de la probabilidad, encuentra aplicacin
en muchos campos relacionados, tales como la inferencia estadstica o la teora
de renovacin.

Bibligrafa

Proakis John G. Digital Comunication , New York: McGraw Hill Higher
Education