Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Con el Teorema Central del Límite nos referiremos a todo teorema que se arma bajo ciertas
hipótesis, que la distribución de probabilidades de la suma de un número muy grande de variables
aleatorias se aproxima a una distribución normal. El término Central, se debió a Polyá (1920),
significa fundamental, o de importancia central, este describe el rol que cumple este teorema en la
teoría de probabilidades.
i 1
i
2
Caso 1
𝑇 = ∑ 𝑋𝑖
𝑖=1
RT: { t / t > 0}
Sea el evento:
∑30
𝑖=1 𝑋𝑖 –𝑛.𝜇 350−30(10)
P(A) = 𝑃 [ 𝜎 √𝑛
> 10√30
]
50
= P [𝑍30 > 54.77] , teorema central de límite
50 50
= 1 - P [𝑍30 ≤ 54.77] = 1- 𝐹 (54.77) = 1 − 𝐹(0.91) = 1- 0.8186
P(A) = 0.1814.
Quiere decir que la probabilidad de que el tiempo total del funcionamiento de los 30
instrumentos electrónicos hasta su falla sea mayor a 350 horas es de 0.1814.
Ejemplo 2
Se supone que la probabilidad de que una persona sobreviva a un ataque de cólera
(con asistencia médica) es 0.4 ¿Cuál es la probabilidad de que cuando menos la mitad de 100
pacientes con este mal sobrevivan?
Cada una de estas variables tiene la misma función de probabilidad que la variable aleatoria X es
decir Bernoulli.
𝑇 = ∑ 𝑋𝑖
𝑖=1
RT: 0, 1, 2, … , 100
Sea el evento:
∑100
𝑖=1 𝑋𝑖 –𝑛.𝜇 50−40
P(A) = 𝑃 [ 𝜎 √𝑛
> ]
√24
10
= P [𝑍30 > ] , teorema central de límite
4.898979
P(A) = 0.020613.
LIC. MARÍA A. ZACARÍAS D. 54
Interpretación: Es poco probable que más de 50 personas sobrevivan un ataque de cólera
Ejemplo 3
Una máquina automática envasa arroz en bolsas en una cantidad cuyo peso tiene una esperanza
igual a 1 Kg y una desviación estándar de 0.01 Kg. Una segunda máquina empaca las bolsas en
paquetes de 50 cada uno. Con el fin de verificar si el número de bolsas en cada paquete es exacto, se
decide, que, si el peso de cada uno de estos paquetes, está entre 49.8 y 50.2 Kg se acepta que el
paquete tiene 50 bolsas, de otro modo se rechaza. Halle la probabilidad de que, siguiendo el método
indirecto para el recuento de bolsas, un paquete que realmente tiene 50 bolsas sea considerado
como si no las tuviera.
Solución
Sea la variable aleatoria:
X: Peso de una bolsa de arroz
Cuyo peso medio es 1 Kg y la desviación estándar 0.01 kg
No se sabe que distribución tiene, suponemos que es normal
Paquete
Bolsa
Donde Xi ~ N( 1, 0.012)
Por el teo. Del límite central
Y ~ N ( 𝜇𝑌 , 𝜎𝑌2 )
Y = 50*1 = 50 kg Y2 = 50*0.0001 = 0.005 Y = 0.070711
Sea el evento
A: Un paquete que tiene 50 bolsas sea considerado como si no las tuviera
A = [Y< 49.8] U [Y > 50.2]
P(A) = P[Y< 49.8] + P[Y > 50.2]
Y Y 49.8 50
P[Y< 49.8] = P P(Z 2.82843) 0.002339
Y 0.070711
Y Y 50.2 50
P[Y < 50.2] = P P( Z 2.828427) 0.997661
Y 0.070711
P(A) = 0.002339 + 0.002339 = 0.004678
A partir de los ejemplos mostrados, también podemos indicar, que cuando se considera un número
grande de variables aleatorias, sean discretas o continuas la suma de estas tienen distribución
normal.
Xn 1 𝑛
Sea la variable Z n N (0,1) Donde 𝑋𝑛 = ∑ 𝑋 para n grande.
𝑛 𝑖=1 𝑖
n
X i
Xn i 1
es una variable aleatoria, cuya:
n
n
Xi 1 n n
a. E X n E i 1 E Xi
n n i 1 n
n
Xi 1 n n 2 2
b. V X n V i 1 2 V X i 2
n n i 1 n n
Y 𝑋̅𝑛 ~ N[ E(𝑋̅𝑛 ), V(𝑋̅𝑛 )] es decir 𝑋̅𝑛 ~ N[ µ, 𝜎 2 ⁄𝑛 ] cuando n
Sea = 50 y = 25
25
entonces 𝜎𝑋2̅ =
2
n=5 5
Sea = 50 y = 25
25
entonces 𝜎𝑋2̅ =
2
n = 10
10
Desv .Est.
0,25 2,24
1,58
0,20 n=10
0
Densidad
0,15
0,10
0,05
0,00
n=5
5,0 7,5 10,0 12,5 15,0 17,5 20,0
Media muestral
Ejemplo
Una máquina que empaqueta bolsas de café automáticamente, está regulada para embalar bolsas
cuyos pesos se distribuyen normalmente con media 500 gramos y desviación estándar 10 gramos. Se
sabe también que, a veces la máquina se desregula y cuando esto ocurre, el único parámetro que se
altera es la media (500 gr) permaneciendo la varianza. Para mantener la producción bajo control se
selecciona una m. a. de 110 bolsas y luego se pesa. Calcular la probabilidad de que el peso medio de
las 110 bolsas defiera de 500 en menos de 2 gramos.
Asimismo halle la probabilidad de los siguientes eventos
Solución
𝑋1 : 𝑃𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎 𝑏𝑜𝑙𝑠𝑎 1
𝑋2 : 𝑃𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎 𝑏𝑜𝑙𝑠𝑎 2.
100
X i
Se define la variable aleatoria X i 1
Cuya
110
E( X ) i
500 500 ... 500 110*500
X E( X ) i 1
500
110 110 110
Xi V ( X i ) 2
X
n X2 X2 100
X2 V ( X ) V ( i 1 ) i 1
i 1
n n2 n2 n2 n 110
X 0.953463
Cuya distribución de probabilidades es:
100
X i
X i 1
N ( X , X2 )
n
Sea el evento:
Gráfica de distribución
Normal; Media=500; Desv.Est.=0,953463
0,9641
0,4
0,3
Densidad
0,2
0,1
0,0
498 500 502
Media muestral
498−500 502−500
P(B) = P[498 < 𝑋̅ < 502] = P[0.953463 < 𝑍̅ < 0.953463
]
Sea el evento:
Gráfica de distribución
Normal; Media=500; Desv.Est.=0,953463
0,4
0,3
Densidad
0,2
0,1
0,1471
0,0
499 500
Media muestral
Gráfica de distribución
Normal; Media=500; Desv.Est.=0,953463
0,4
0,9820
0,3
Densidad
0,2
0,1
0,0
498 500
Media muestral