19 · Teorema Central del Límite
Sin importar la distribución — si tiene varianza finita y n es suficientemente grande, la media muestral converge a una Normal. Este hecho es por qué funciona la estadística.
La media muestral de CUALQUIER distribución con varianza finita se aproxima a una Normal conforme n crece — por eso la Normal está en todas partes.
Sin esto:
Sin el TCL, no podrías calcular un intervalo de confianza sobre ninguna media muestral, resultado de A/B test o exactitud de modelo.
El Teorema Central del Límite (TCL) es posiblemente el teorema más importante en estadística aplicada. Establece:
Si X₁, X₂, …, Xₙ son variables aleatorias independientes e idénticamente distribuidas (iid) de CUALQUIER distribución con media finita μ y varianza finita σ², entonces la media muestral estandarizada converge en distribución a la Normal estándar cuando n → ∞:
(X̄ − μ) · √n / σ → N(0, 1)
De forma equivalente, X̄ ~ N(μ, σ²/n) aproximadamente para n grande.
Condiciones requeridas:
- Las variables deben ser iid (o al menos no correlacionadas con momentos acotados).
- La distribución debe tener varianza finita (σ² < ∞). Las distribuciones de cola pesada con colas de ley de potencia donde α ≤ 2 violan esto y el TCL no aplica.
Regla empírica: n ≥ 30 suele ser suficiente para que la aproximación sea precisa. Las distribuciones muy asimétricas pueden necesitar n ≥ 100.
Error estándar de la media: SE = σ / √n
El SE es la desviación estándar de la distribución muestral de X̄. Se reduce conforme n crece — cuadruplicar el tamaño de la muestra reduce el SE a la mitad. Por eso los estudios más grandes dan intervalos de confianza más estrechos.
¿Por qué es tan poderoso? La forma de la distribución subyacente no importa. Ya sea que tus datos vengan de una Uniforme, Exponencial, Log-normal o Binomial — la media muestral lucirá Normal si n es suficientemente grande. Esta universalidad es lo que nos permite construir pruebas de hipótesis e intervalos de confianza usando tablas normales para casi cualquier tipo de datos.
Python (in browser)
Cuatro histogramas de 10,000 medias muestrales de Uniforme(0, 10) para n = 2, 10, 30, 100. Incluso partiendo de una distribución plana (no Normal), la distribución muestral de la media converge rápidamente a una campana. En n = 30 ya es casi indistinguible de la Normal.
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Python (in browser)
Exponencial(λ=1) tiene asimetría = 2 — muy sesgada a la derecha. Sin embargo, para n = 30 la distribución de medias muestrales ya es casi simétrica y con forma de campana. El TCL aplica a CUALQUIER distribución con varianza finita, independientemente de la forma.
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Python (in browser)
Con σ = 10 y n = 100, el SE teórico es exactamente 10/√100 = 1.0. La desviación estándar empírica de 10,000 medias muestrales simuladas coincide estrechamente, y la prueba de Shapiro-Wilk confirma la normalidad de las medias.
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
El TCL es poderoso pero no universal. Las distribuciones de cola pesada (Cauchy, Pareto con α ≤ 2) tienen varianza infinita, rompiendo la garantía del TCL. Para tales datos, los ICs bootstrap o los resúmenes basados en la mediana son opciones más seguras.
Si σ = 20 y n = 400, ¿cuál es el error estándar de la media muestral?
- **Enunciado del TCL:** (X̄ − μ)·√n / σ → N(0, 1). Requiere extracciones iid con varianza finita. Regla empírica: n ≥ 30.
- **Error estándar:** SE = σ/√n — la desviación estándar de la media muestral. Cuadruplicar n reduce el SE a la mitad.
- El TCL NO aplica a distribuciones con varianza infinita (Cauchy, Pareto α ≤ 2). Usa ICs bootstrap en su lugar.
Cada intervalo de confianza sobre una métrica de modelo (exactitud, AUC, pérdida) es una aplicación del TCL. Las distribuciones bootstrap de cualquier estadístico se aproximan a la Normal. La significancia de un A/B test se fundamenta en el TCL.
Si lo quitas: No puedes decir 'la exactitud de este modelo es 92% ± 1.2%' — ese intervalo es el TCL en acción.