Omitir e ir al contenidoIr a la página de accesibilidadMenú de atajos de teclado
Logo de OpenStax

Esta es una foto del cambio de un juego de llaves en una pila. Parece que hay cinco monedas de un centavo, tres de veinticinco centavos, cuatro de diez centavos y dos de cinco centavos. El llavero tiene una ballena de bronce y contiene once llaves.
Figura 7.1 Si quiere averiguar la distribución del cambio que la gente lleva en sus bolsillos, utilizando el teorema del límite central y suponiendo que su muestra es lo suficientemente grande, encontrará que la distribución es la función de densidad de probabilidad normal (créditos: John Lodder)

¿Por qué nos preocupan tanto las medias? Hay dos razones: nos dan un punto medio de comparación y son fáciles de calcular. En este capítulo, estudiará las medias y el teorema del límite central.

El teorema del límite central es una de las ideas más poderosas y útiles de toda la estadística. El teorema central del límite es un teorema, lo que significa que NO es una teoría o simplemente la idea de alguien sobre cómo funcionan las cosas. Como teorema, está a la altura del teorema de Pitágoras, o el teorema que nos dice que la suma de los ángulos de un triángulo debe sumar 180. Son hechos de las formas del mundo rigurosamente demostrados con precisión matemática y lógica. Como veremos, este poderoso teorema determinará lo que podemos y no podemos decir en la estadística inferencial. El teorema del límite central se ocupa de extraer muestras finitas de tamaño n de una población con una media conocida, μ, y una desviación típica conocida, σ. La conclusión es que si recogemos muestras de tamaño n con un "n suficientemente grande", calculamos la media de cada muestra y creamos un histograma (distribución) de esas medias, la distribución resultante tenderá a tener una distribución normal aproximada.

El resultado asombroso es que no importa cuál es la distribución de la población original, ni siquiera es necesario conocerla. El hecho importante es que la distribución de las medias muestrales tiende a seguir la distribución normal.

El tamaño de la muestra, n, que se requiere para ser “suficientemente grande” depende de la población original de la que se extraen las muestras (el tamaño de la muestra debe ser, al menos, 30 o los datos deben proceder de una distribución normal). Si la población original está lejos de la normal, se necesitan más observaciones para las medias de la muestra. El muestreo se realiza de forma aleatoria y con reemplazo en el modelo teórico.

Solicitar una copia impresa

As an Amazon Associate we earn from qualifying purchases.

Cita/Atribución

Este libro no puede ser utilizado en la formación de grandes modelos de lenguaje ni incorporado de otra manera en grandes modelos de lenguaje u ofertas de IA generativa sin el permiso de OpenStax.

¿Desea citar, compartir o modificar este libro? Este libro utiliza la Creative Commons Attribution License y debe atribuir a OpenStax.

Información de atribución
  • Si redistribuye todo o parte de este libro en formato impreso, debe incluir en cada página física la siguiente atribución:
    Acceso gratis en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
  • Si redistribuye todo o parte de este libro en formato digital, debe incluir en cada vista de la página digital la siguiente atribución:
    Acceso gratuito en https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/1-introduccion
Información sobre citas

© 28 ene. 2022 OpenStax. El contenido de los libros de texto que produce OpenStax tiene una licencia de Creative Commons Attribution License . El nombre de OpenStax, el logotipo de OpenStax, las portadas de libros de OpenStax, el nombre de OpenStax CNX y el logotipo de OpenStax CNX no están sujetos a la licencia de Creative Commons y no se pueden reproducir sin el previo y expreso consentimiento por escrito de Rice University.