Distribuciones de probabilidad - Estadística
Distribuciones de probabilidad - Estadística
Distribuciones de probabilidad - Estadística
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Obviamente éstas no son igualda<strong>de</strong>s ciertas, pero permiten tratar la variable<br />
discreta como continua.<br />
Si en lugar <strong>de</strong> trabajar con una variable aleatoria binomial partiésemos <strong>de</strong> una<br />
variable <strong>de</strong> Poisson o una Hipergeométrica, la aproximación sería absolutamente<br />
similar.<br />
TEOREMA CENTRAL DEL LÍMITE<br />
Si X es una variable aleatoria (no importa como se distribuya) con media µ y<br />
varianza σ 2 , y tomamos una muestra <strong>de</strong> n elementos, entonces la distribución muestral<br />
<strong>de</strong> la media aritmética <strong>de</strong> la muestra es aproximadamente normal con media µ y<br />
varianza σ 2 /n, siendo mejor la aproximación a medida que aumenta el tamaño <strong>de</strong> la<br />
muestra.<br />
Lógicamente, si X es una variable que se distribuye normalmente, la media<br />
muestral se distribuye exactamente como una distribución normal.<br />
Este teorema es importante en posteriores unida<strong>de</strong>s, ya que nos dará pie a<br />
resultados fundamentales <strong>de</strong> la Inferencia <strong>Estadística</strong>.<br />
185