Demostración del teorema del límite central

Proporciona una "visita guiada" del Teorema del límite central, simulando múltiples lanzamientos de un dado para ilustrar el teorema. Los conceptos se explican en notas en la ventana Sesión y las gráficas muestran los resultados de las simulaciones. El teorema indica que si se extraen muestras aleatorias de tamaño n una y otra vez de una población con una media, mu(y), y desviación estándar, sigma(y), finitas, entonces, cuando n es grande, la distribución de las medias de la muestra será aproximadamente normal con una media igual a mu(y), y una desviación estándar igual a (sigma(y))/sqrt(n).

Descargar la macro

Asegúrese de que Minitab sepa dónde buscar la macro descargada. Elija Herramientas > Opciones > General. En Ubicación de la macro, navegue hasta la ubicación donde guarda los archivos de macro.

Important

Si utiliza un explorador web más antiguo, cuando haga clic en el botón Descargar, el archivo podría abrirse en Quicktime, que comparte la extensión de archivos .mac con las macros de Minitab. Para guardar la macro, haga clic con el botón derecho en el botón Descargar y elija Guardar destino como.

Ejecución de la macro

Nota

La macro produce datos en la hoja de trabajo. Confirme que una hoja de trabajo en blanco está activa antes de ejecutar la macro.

Para ejecutar la macro, haga clic en cualquier parte de la ventana Sesión y elija Editor > Mostrar línea de comandos. En el prompt de comandos (MTB>), escriba lo siguiente:

%CLT

Presione Intro.

El Teorema del límite central indica que si se extraen muestras aleatorias de tamaño n una y otra vez de una población con una media, mu(y), y desviación estándar, sigma(y), finitas, entonces, cuando n es grande, la distribución de las medias de la muestra será aproximadamente normal con una media igual a mu(y), y una desviación estándar igual a (sigma(y))/sqrt(n).

Examinemos los efectos del Teorema del Límite Central con el siguiente experimento. Supongamos que usted lanza un dado justo 1000 veces. Usted esperaría obtener un número más o menos igual de 1, 2 y así sucesivamente. Examinemos la distribución de 1000 lanzamientos. Esto se muestra en la Gráfica 1.

Presione Intro para continuar.

Ahora supongamos que usted fuera a lanzar el dado dos veces y a sacar el promedio de los dos lanzamientos. También repetirá este experimento 1000 veces. Veamos cuál es la distribución de los promedios de dos lanzamientos. Esto se muestra en la Gráfica 2.

Presione Intro para continuar.

¿Ha observado que solamente con dos lanzamientos la distribución de los promedios ya estaba tomando forma de montículo? Supongamos que ahora lanza el dado tres veces y toma el promedio de tres lanzamientos. De nuevo, repetirá este experimento 1000 veces. Veamos cuál es el efecto que tiene esto en la distribución de los promedios. Esto se muestra en la Gráfica 3.

Presione Intro para continuar.

De nuevo, la forma de la distribución es bastante parecida a la de una distribución normal. ¿Observó si pasaba alguna otra cosa con la distribución?

Vamos a lanzar el dado cinco veces y saquemos el promedio. De nuevo, repetirá este experimento 1000 veces. Esto se muestra en la Gráfica 4.

Presione Intro para continuar.

¿Empezó a observar ya algún patrón en lo que está sucediendo?

Sigamos aumentando el número de lanzamientos que estamos promediando. Esta vez, lanzará el dado 10 veces y obtendrá el promedio de los 10 lanzamientos. Esto se muestra en la Gráfica 5.

Presione Intro para continuar.

Para este momento, usted debería observar dos fenómenos a medida que aumenta el número de lanzamientos. En primer lugar, debería ver que la forma de la distribución de los promedios ya está empezando a tomar la forma de una distribución normal. Segundo, debería ver que al aumentar el número de lanzamientos, la distribución se hace cada vez más estrecha. Sigamos aumentando el número de lanzamientos. Esta vez lanzará el dado 20 veces. Esto se muestra en la Gráfica 6.

Presione Intro para continuar.

En este momento, usted debería estar bien convencido de los efectos que el aumento del tamaño de la muestra tiene sobre la distribución de los promedios de las muestras. Usted aumentará el tamaño de la muestra una vez más para reforzar esta idea. Esta vez lanzará el dado 30 veces. Esto se muestra en la Gráfica 7.

Presione Intro para continuar.

Revisemos lo que ha observado.

Usted dibujará los histogramas para las muestras de tamaño 2, 5, 10, 20 y 30 juntos en una sola gráfica para ver los cambios en la distribución.

Presione Intro para continuar.

El Teorema del límite central nos dice lo que usted debería haber visto, teóricamente. Comparemos esto con lo que usted realmente observó:

Theoretical Results Observed Results ------------------- ---------------- Sample Standard Standard Size Mean Deviation Mean Deviation ------ ---- --------- ----- --------- 1 3.5 1.707825 3.453 1.7041 2 3.5 1.207615 3.527 1.232 3 3.5 0.986013 3.546 0.9503 5 3.5 0.763763 3.481 0.7532 10 3.5 0.540062 3.506 0.5289 20 3.5 0.381879 3.51 0.3891 30 3.5 0.311805 3.507 0.3148 
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política