Prácticas de Estadística en R - Departamento de Estadística e ...
Prácticas de Estadística en R - Departamento de Estadística e ...
Prácticas de Estadística en R - Departamento de Estadística e ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
6.9 Teorema C<strong>en</strong>tral <strong>de</strong>l Límite 61<br />
> y=seq(-5,5,.05)<br />
> persp(x, y, outer(x,y,function(x,y){<strong>de</strong>xp(x,lam)*dnorm(y,mu,sig)}),<br />
theta = 30,phi = 30, expand = 0.5, col = "lightblue",<br />
main="X: Exp(20) Y:Normal(0,1)")<br />
Si tomamos como <strong>de</strong>nsida<strong>de</strong>s dos normales, una <strong>de</strong> parámetros µ = 0 y σ = 1 y otra<br />
<strong>de</strong> parámetros µ = 3 y σ = 2. La función <strong>de</strong> <strong>de</strong>nsidad conjunta <strong>de</strong> ambas la po<strong>de</strong>mos<br />
contemplar mediante:<br />
> mu1=0<br />
> sig1=1<br />
> x=seq(-5,5,.05)<br />
> mu2=3<br />
> sig2=2<br />
> y=seq(-5,10,.05)<br />
> persp(x, y,outer(x,y,<br />
function(x,y){dnorm(x,mu1,sig1)*dnorm(y,mu2,sig2)}),<br />
theta =30,phi = 30, expand = 0.5, col = "lightblue",<br />
main="X: Normal(0,1) Y:Normal(3,2)")<br />
6.9. Teorema C<strong>en</strong>tral <strong>de</strong>l Límite<br />
El Teorema C<strong>en</strong>tral <strong>de</strong>l Límite (TCL) es uno <strong>de</strong> los resultados más importantes<br />
<strong>en</strong> estadística. Bajo ciertas condiciones nos permite usar la distribución normal para<br />
estudiar otras distribuciones más g<strong>en</strong>erales. Este teorema ti<strong>en</strong>e muchas versiones, por lo<br />
que vemos una simple:<br />
Teorema C<strong>en</strong>tral <strong>de</strong>l Límite: Si X 1 , . . .,X n son variables aleatorias in<strong>de</strong>p<strong>en</strong>di<strong>en</strong>tes e<br />
idénticam<strong>en</strong>te distribuidas con media µ y <strong>de</strong>sviación típica σ, <strong>en</strong>tonces ∑ n<br />
i=1 X i ti<strong>en</strong>e<br />
asintóticam<strong>en</strong>te una distribución normal <strong>de</strong> media nµ y <strong>de</strong>sviación típica √ nσ. Por las<br />
propieda<strong>de</strong>s <strong>de</strong> la normal, t<strong>en</strong>dremos que:<br />
∑ n<br />
i=1 X i − nµ<br />
√ nσ<br />
n→∞<br />
−→ N(0, 1).<br />
Este teorema nos dice que cuando los resultados <strong>de</strong> un experim<strong>en</strong>to son <strong>de</strong>bidos a un<br />
conjunto muy gran<strong>de</strong> <strong>de</strong> causas in<strong>de</strong>p<strong>en</strong>di<strong>en</strong>tes que actúan sumando sus efectos, <strong>en</strong>tonces<br />
esos resultados sigu<strong>en</strong> una distribución aproximadam<strong>en</strong>te normal. Dicho <strong>de</strong> otra forma,<br />
aunque cada uno <strong>de</strong> los efectos sea raro o difícil <strong>de</strong> estudiar, si lo que queremos estudiar<br />
es la suma <strong>de</strong> los mismos sabemos que, bajo ciertas condiciones, esta se comportaría <strong>de</strong><br />
modo normal. El Teorema C<strong>en</strong>tral <strong>de</strong>l Límite sirve para dar una explicación al hecho<br />
constatado <strong>de</strong> que muchas distribuciones <strong>de</strong> variables observadas <strong>en</strong> la naturaleza o<br />
<strong>en</strong> experim<strong>en</strong>tos físicos sean aproximadam<strong>en</strong>te normales. Por ejemplo, las medidas <strong>de</strong>l<br />
cuerpo humano, como la estatura, peso, longitud <strong>de</strong> los huesos, sigu<strong>en</strong> aproximadam<strong>en</strong>te<br />
una distribución normal <strong>de</strong>ntro <strong>de</strong> una misma raza y sexo. En el caso <strong>de</strong> la estatura <strong>de</strong><br />
un individuo afectan muchos factores, cada uno ejerci<strong>en</strong>do un efecto pequeño, <strong>de</strong> manera