uNIVERSIDAD DE GUAYAQUIL | INGENIERIA EN NETWORKING

TEOREMA DEL LIMITE CENTRAL

UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE CIENCIAS MATEMATICAS Y
FISICAS
CARRERA DE INGENIERIA EN NETWORKING

PROCESOS ESTOCASTICOS
TEMA:

TEOREMA DEL LIMITE

CENTRAL
INTEGRANTES:
LAURA PILCO BRAVO
ALLISON ESTRELLA VERA
CINTHYA CARRION VILLALA
FRANCISCO MARQUEZ
MORALES

CURSO:

N5J

PROFESOR: ING. OCHOA FLORES ANGEL

PERIODO: PRIMER PARCIAL CICLO 1
GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

Contenido
Antecedentes................................................................................................. 3
Definicin de la distribucin normal............................................................3
Teorema del Limite Central.........................................................................4
Ejercicio de demostracion...........................................................................4

GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

TEOREMA DEL LIMITE CENTRAL

Antecedentes
Los histogramas y los diagramas tallo-hoja permiten visualizar como se
distribuyen los valores de una variable numrica. Muchas veces estos
grficos tienen la forma de una campana, con una zona central en la cual
los valores de la variable son ms frecuentes.
A medida que nos alejamos de esa zona central las frecuencias disminuyen
simtricamente. Esta forma de campana tambin es llamada campana de
Gauss. Fue descubierta por Abraham de Moira en 1720. En 1809, Carl
Friedrich Gauss, la utilizo para describir los errores de observacin
cometidos por los astrnomos, al tomar medidas en forma repetida. Fue
denominada curva de error.
En 1836 el astrnomo, meteorlogo, estadstico y socilogo belga Adolphe
Quetelet extendi la aplicacin de la curva, y la utilizo para describir las
variaciones de ciertas variables antropomrficas (medidas del cuerpo
humano: peso, altura, etc.) entre individuos. A partir de Quetelet, Francis
Galton (primo de Charles Darwin y pionero en estudios de gentica y de los
mecanismos de la herencia) se enter de la existencia de la curva y se
enamor de ella. Dicen que exclamo: Si los griegos la hubieran conocido la
habran deificado!. Galton la llamo curva normal por primera vez en 1889.
Cuando los datos se distribuyen en forma de campana decimos que tienen
distribucin Normal o Gaussiana. En la prctica, los datos rara vez sern
perfectamente Normales pero muchas veces la campana de Gauss es una
muy buena aproximacin al histograma de un conjunto de datos.

Definicin de la distribucin normal

Una variable aleatoria continua X, que puede asumir todos los valores entre
1 y 0, se dice que est distribuida normalmente si su densidad se expresa
as:

En su forma estandarizada quedara as:

Z=

Se observa que Z es la Distancia con signo entre un valor seleccionado,

designado X, y la media, , dividida entre la desviacin estndar, .
La distribucin de probabilidad normal posee las siguientes caractersticas
principales.
1. Tiene forma de campana y posee una sola cima en el centro de la
distribucin. La media aritmtica, la mediana y la moda son iguales, y se
GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

localizan en el centro de la distribucin. El rea total bajo la curva es de

1.00. La mitad del rea bajo la curva normal se localiza a la derecha de este
punto central, y la otra mitad, a la izquierda.
2. Es simtrica respecto de la media. Si hace un corte vertical, por el valor
central, a la curva normal, las dos mitades son imgenes especulares.
3. Desciende suavemente en ambas direcciones del valor central. Es decir,
la distribucin es asinttica. La curva se aproxima ms y ms al eje X, sin
tocarlo en realidad. En otras palabras, las colas de la curva se extienden
indefinidamente en ambas direcciones.
4. La localizacin de una distribucin normal se determina a travs de la
media, . La dispersin o propagacin de la distribucin se determina por
medio de la desviacin estndar, .

Teorema del Limite Central

El Teorema del Lmite Central (TLC) muestra como la suma de variables
aleatorias independientes, tomados de una misma poblacin, no importa
cual, tiende a estar distribuida normalmente si el nmero de sumandos es lo
suficientemente grande y tendr media varianza 2.

Definicin:
Sean X1; X2; : : : ; Xn, variables aleatorias independientes pertenecientes a
la misma distribucin, con media varianza 2.
Si n tiende a 1, la variable Z = X1 + X2 +:::+ Xn tiende a una N (;2)
Es importante acotar que mientras ms grande sea el valor de n, mejor ser
la aproximacin, por esto adoptaremos que el teorema se puede usar
cuando n>30.
Un ejemplo clsico donde podemos observar como una distribucin discreta
puede aproximarse a una distribucin normal cuando n crece, es a travs
del lanzamiento de dados, para este caso veremos como la distribucin de
probabilidad del lanzamiento de n dados tiende a formar una campana.

GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

Ejercicio de demostracin
Veamos el ejemplo con n = 1, 2, 3, 4 y 5 dados.
Se lanza un dado (n = 1) y su distribucin de probabilidad seria:

Observamos que todos los valores de X tienen la misma probabilidad, la

distribucin de probabilidad p(x) es:

Se lanzan 2 dados (n = 2) y se suman los nmeros, la distribucin de

probabilidad se vera as:

Ahora se lanzan tres dados (n = 3), su distribucin de probabilidad se vera

as:

GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

Observamos que la grfica de la distribucin de probabilidad cambio, ahora

tiende a ser una campana.
Lanzamos cuatro dados (n = 4).

GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

Lanzamos cinco dados (n = 5).

GRUPO 8 N5J

TEOREMA DEL LIMITE CENTRAL

En conclusin, podemos ver que, a medida que se aument el nmero de

dados (n) la grfica de la distribucin de probabilidad fue tomando la forma
de la campana de la distribucin normal, esto confirma que la sumatoria de
las variables aleatorias independientes tienden a comportarse como una
normal a medida que n tienda a infinito.

GRUPO 8 N5J