Teorema del límite central (CLT)


¿Qué es el teorema del límite central (CLT)?

En el estudio de la teoría de la probabilidad, el teorema del límite central (CLT) establece que la distribución de la muestra se aproxima a una distribución normal (también conocida como «curva de campana») a medida que el tamaño de la muestra aumenta, asumiendo que Todas las muestras son idénticas en tamaño e independientemente de la forma de distribución de la población.

Dicho de otra manera, CLT es una teoría estadística que establece que dado un tamaño de muestra suficientemente grande de una población con un nivel finito de varianza, la media de todas las muestras de la misma población será aproximadamente igual a la media de la población. Además, todas las muestras seguirán un patrón de distribución normal aproximado, siendo todas las varianzas aproximadamente iguales a la varianza de la población, dividida por el tamaño de cada muestra.

Conclusiones clave

  • El teorema del límite central ( CLT) establece que la distribución de las medias muestrales se aproxima a una distribución normal a medida que aumenta el tamaño de la muestra.
  • Los tamaños de muestra iguales o superiores a 30 se consideran suficientes para que el CLT se mantenga.
  • Un aspecto clave del CLT es que el promedio de las medias de la muestra y las desviaciones estándar serán iguales a la media de la población y desviación estándar.
  • Un tamaño de muestra suficientemente grande puede predecir las características de una población con precisión.

Aunque esto El concepto fue desarrollado por primera vez por Abraham de Moivre en 1733, no fue nombrado formalmente hasta 1930, cuando el célebre matemático húngaro George Polya lo apodó oficialmente el Teorema del límite central.

1:22

Teorema del límite central

Comprender el teorema del límite central (CLT)

De acuerdo con el teorema del límite central, la media de una muestra de datos estará más cerca de la media de la población general en cuestión, a medida que aumenta el tamaño de la muestra, a pesar de la distribución real de los datos. En otras palabras, los datos son precisos ya sea que la distribución sea normal o aberrante.

Como regla general, los tamaños de muestra iguales o superiores a 30 se consideran suficientes para que el CLT hold, lo que significa que la distribución de las medias muestrales se distribuye de manera bastante normal. Por lo tanto, cuantas más muestras se toman, más los resultados graficados toman la forma de una distribución normal.

El teorema del límite central exhibe un fenómeno donde el promedio de las medias muestrales y el estándar las desviaciones equivalen a la media poblacional y la desviación estándar, lo cual es extremadamente útil para predecir con precisión las características de las poblaciones.

El teorema del límite central en finanzas

El CLT es útil cuando se examinan los rendimientos de una acción individual o índices más amplios, porque el análisis es simple, debido a la relativa facilidad de generar los datos financieros necesarios. En consecuencia, los inversores de todo tipo confían en el CLT para analizar el rendimiento de las acciones, construir carteras y gestionar el riesgo.

Digamos, por ejemplo, que un inversor desea analizar el rendimiento general de un índice bursátil que comprende 1.000 acciones. En este escenario, ese inversor puede simplemente estudiar una muestra aleatoria de acciones, para cultivar rendimientos estimados del índice total. Se deben muestrear al menos 30 acciones seleccionadas al azar, en varios sectores, para que se mantenga el teorema del límite central. Además, las acciones previamente seleccionadas deben intercambiarse con diferentes nombres, para ayudar a eliminar el sesgo.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *