Lección
Los promedios se estabilizan en su forma
Las observaciones individuales pueden ser desordenadas, sesgadas o con picos, pero los promedios de muchas observaciones independientes a menudo se establecen en un patrón predecible en forma de campana.
Por el equipo editorial de Math Says Yes
Revisado por humanos según nuestros estándares de fuentes y corrección.
Cómo revisamos el contenido
Los datos individuales son desordenados
Los datos sin procesar a menudo tienen una forma extraña. Las compras están sesgadas, los tiempos de espera tienen colas largas, las visitas al sitio web tienen picos y los tamaños de los hogares son irregulares. Si dibujas una observación, ese desorden importa. Pero muchas decisiones utilizan promedios: la venta por día, la espera promedio en muchas llamadas o la respuesta promedio en un grupo de tratamiento. Los promedios se comportan de manera diferente a las observaciones individuales que resumen.
La promesa del teorema
El dice que, bajo condiciones amplias, los promedios de muchas observaciones independientes tienen una muestral que se acerca a una forma de campana. Los datos originales no tienen por qué ser normales. Lo que importa es que ninguna observación individual domine el y que las observaciones no estén todas vinculadas entre sí. Por esta razón las fórmulas de incertidumbre basadas en la aparecen en tantos lugares: a menudo se refieren a promedios, no a individuos.
Lo que el teorema no promete
El teorema es poderoso, pero no es una licencia para ignorar los datos. No hace que cada pequeña sea normal. No soluciona la dependencia, un fuerte de selección o mediciones sin una estable. Tampoco dice que la original tenga forma de campana. La forma pertenece a los promedios muestrales repetidos. Cuando la muestra es diminuta, la cola es extrema o las observaciones están relacionadas, la aproximación puede ser pobre.
Cómo usarlo
Usa el como una razón para modelar los promedios con cautela, no a ciegas. Verifica el tamaño de , la y si los valores atípicos pueden dominar la . Si esas condiciones parecen razonables, un rango de incertidumbre en forma de campana alrededor del promedio puede ser útil incluso cuando los datos sin procesar no tengan forma de campana. Si las condiciones fallan, usa simulación, resúmenes robustos o métodos diseñados para la forma real.
Preguntas frecuentes
¿Significa el teorema del límite central que todos los datos son normales?
No. Se refiere a la distribución de los promedios en muestras repetidas, no a la forma de las observaciones individuales. Los datos sin procesar pueden seguir estando sesgados, ser irregulares o tener colas pesadas.
¿Por qué es útil el teorema del límite central?
Explica por qué los promedios de muchas observaciones independientes a menudo tienen una incertidumbre predecible. Eso hace que los intervalos de confianza, los errores estándar y muchas pruebas estadísticas sean viables en el análisis de datos cotidiano.
Conceptos clave
Teorema del límite central
El teorema del límite central establece que los promedios de muchas influencias aleatorias independientes y de tamaño similar tienden a formar una distribución de muestreo en forma de campana, incluso cuando los datos originales no tienen forma de campana. Explica por qué los promedios suelen ser más predecibles que las observaciones individuales.
Error estándar
El error estándar es la fluctuación típica de muestreo de una estimación, como una media aritmética. Para observaciones independientes, el error estándar de una media aritmética se reduce con la raíz cuadrada del tamaño de la muestra, por lo que reducir el error a la mitad suele requerir cuatro veces más datos.
Comprobación rápida
¿Qué ayuda a explicar el teorema del límite central?
A
Los valores atípicos desaparecen automáticamente en muestras pequeñas.
B
Los promedios de muchas observaciones independientes tienden hacia una forma de campana.
C
Cada conjunto de datos del mundo real tiene forma de campana.