CURSO: ESTADISTICA INFERENCIAL

DISTRIBUCION MUESTRAL DEL

COCIENTE DE VARIANZAS

TEMA:

DISTRIBUCION MUESTRAL DEL

COCIENTE DE VARIANZAS

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

Logro de Aprendizaje:
 Al finalizar la clase, el
estudiante, estará en la
capacidad de hallar la
probabilidad del cociente de
varianzas de dos poblaciones
normales, estimar el intervalo
del cociente de varianzas y
comparar cuál de ellas es más
variable.
 Asimismo podrá hacer la prueba
de hipótesis para comparar cual
de ellas posee mayor dispersión

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

Para comparar dos poblaciones lo primero que se comparan son

sus medias, y luego sus desviaciones estándares ( varianzas)

Este cociente de varianzas esta representado por una variable

aleatoria, cuya distribución de probabilidad continua sigue un
comportamiento de distribución F,

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

Así tenemos que si S21 y S22 son las varianzas de dos muestras
aleatorias independientes de tamaños n1 y n2, extraidas
aleatoriamente de dos poblaciones normales representadas por
N1(µ,ơ21) y N2(µ,ơ22), la variable aleatoria F, quedara representada
por: 𝑆2 /ơ2 1 1
𝐹=
𝑆22/ơ22
Esta distribución de probabilidad F, tendrá dos grados de
libertad, representado por F ˷ F(p,n1-1,n2-1)

F(p,n1-1,n2-1) p= probabiidad del cociente de varianzas

n1 – 1 = grado de libertad de la muestra 1
n2 – 1 = grado de libertad de la muestra 2

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

PROPIEDADES DE LA DISTRIBUCION F de Fisher-Snedecor

• La distribución F tiene una apariencia muy similar a la

distribución Chi-cuadrado; sin embargo, se encuentra
centrada respecto a 1.
• El estadístico F siempre es positivo y su distribución tiene
sesgo hacia la derecha.
• Si S12 /S22 es casi igual a 1, podemos decir que no hay mucha
variación entre la σ12 y σ22 .
• Por otra parte, un valor muy grande o muy pequeño para S12 /S22 ,
proporcionará evidencia de una diferencia en las varianzas de las
poblaciones σ12 y σ22

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

TEOREMA DE IGUALDAD DEL COEFICIENTE F

Para hallar el coeficiente f, cuando en las tablas estadísticas no se
encuentra su probabilidad, aplicamos la siguiente igualdad

Fα,r1,r2 = 1
r1: n1 – 1
𝐹 1 α
𝑟2 𝑟1 r2: n2 – 1
( − ), ,
α: nivel de significancia
1-α: nivel de confianza
F1-α,r2,r1= 1
𝐹 α
𝑟1 𝑟2
( ), ,

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

EJEMPLO:
Hallar el coeficiente de Fisher para los siguientes cocientes de
varianzas sabiendo que sus probabilidades y grados de libertad,
son los siguientes:

F (0,05, 12, 15) =

F(0,10, 12, 20) =

F(0,95, 20, 15) =

F(0,95, 15, 20) =

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

SOLUCION:

Buscando en tablas encontramos los siguientes valores:

F (0,05, 12, 15) = 0,382 1/F (0,95, 15, 12) =1/ 2,62=0,382

F(0,10, 12, 20) = 0,485 1/F (0,90, 20, 12) =1/ 2,06=0,485

F(0,025, 20, 15) = 0,389 1/F (0,975,15,20) =1/ 2,573=0,389

F(0,95, 15, 20) = 2,203 1/F (0,05, 20, 15) =1/0,454=2,203

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

EJEMPLO:
De dos poblaciones N1(µ,ơ21) y N2(µ,ơ22)
normales
independientes entre si, se extraen dos muestras aleatorias de
tamaños n1=10 y n2=20 si las varianzas poblacionales son iguales
ơ21 = ơ22, Hallar la probabilidad de que (S12/S22≤ 2.42).

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

SOLUCION:
Nos están pidiendo hallar la probabilidad: P(S12/S22≤ 2.42)=?
gl 1 : 10-1= 9
gl 2 : 20-1= 19

Como en este caso nos están pidiendo ≤ 2,42, encontramos que

la distribución acumulada de la probabilidad es de 0,95

Por lo tanto:
P(F≤ 2.42) = P(S12/S22≤ 2.42) = 0,95

F(2,42,9,19)= 0,95

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

EJEMPLO:
Si S12 y S22 representan las varianzas de las muestras aleatorias
independientes de tamaño n1= 26 y n2= 31, tomadas de
poblaciones normales con varianzas σ12 =10 y σ22 = 19,47,
respectivamente, hallar la probabilidad de que S12/S22 > 1.26

CURSO: ESTADISTICA INFERENCIAL

 DISTRIBUCION MUESTRAL DEL
COCIENTE DE VARIANZAS

SOLUCION:
Datos del problema:
σ12 =10 y σ22 = 19,47 Hallar: P(S12/S22> 1.26)=?
gl 1 : 26-1= 25
gl 2 : 31-1= 30
Dandolé la forma del coeficiente F:
𝑆1 σ2
F= ( )2x( )2
𝑆2 σ1
19.47
F= (1,26)x( )
10
F= 2,453
Buscando en la tabla encontramos que para F=2,453 su
probabilidad acumulada es de 0,99 .
Pero como nos están pidiendo P(S12/S22>1,26)=1-P(S12/S22 ≤1,26)
=1-0,99= 0,01 (El nivel de significancia será de 1%)
CURSO: ESTADISTICA INFERENCIAL
 INTERVALO DE CONFIANZA
PARA EL COCIENTE DE
VARIANZAS

Si queremos estimar el Intervalo de Confianza para el Cociente

de dos varianzas poblacionales normales e independientes con
varianzas desconocidas σ12 y σ22, respectivamente, los límites
de dicho intervalo serán los siguientes:
Sean las muestras aleatorias n1 y n2, con sus varianzas
muestrales, S12 y S22:

𝑆12 1 σ12 𝑆12 1

P[ X ≤ ≤ X ]= 1- α
𝑆22 F1−α/2,r1,r2 σ22 𝑆22 Fα/2,r1,r2
Luego el intervalo estará dado por:
𝑆12 1 σ12 𝑆12 1
X ≤ ≤ X
𝑆22 F1−α/2,r1,r2 σ22 𝑆22 Fα/2,r1,r2

CURSO: ESTADISTICA INFERENCIAL

 INTERVALO DE CONFIANZA
PARA EL COCIENTE DE
VARIANZAS

EJEMPLO:
Un fabricante de automóviles pone a prueba dos nuevos
métodos de ensamblaje de motores respecto al tiempo en
minutos, según el siguiente cuadro:

METODO 1 METODO 2
n1= 31 n2= 25
S12 = 50 S22 = 24

σ12
Hallar un intervalo de confianza al 90% para
σ22

CURSO: ESTADISTICA INFERENCIAL

 INTERVALO DE CONFIANZA
PARA EL COCIENTE DE
VARIANZAS
SOLUCION:
Datos: n1=31 S12 = 50 , n2=25 S22 = 24
𝑆12 1 σ 𝑆2 1
P[ X ≤ 12 ≤ 1 X ]= 0,90
𝑆22 F1−α/2,r1,r2 σ22 𝑆22 Fα/2,r1,r2
𝑆2 1 σ 𝑆2 1
P[ 1 X ≤ 12 ≤ 1 X ]= 0,90
𝑆22 F(0,95,30,24 σ22 𝑆22 F(0,05,30,24
Luego el intervalo estará dado por:
50 1 σ12 50 1
X 1,94
≤ ≤ X
24 σ22 24 0,530
σ12
1,074 ≤ ≤ 3,93
σ22
Luego el Intervalo de Confianza al
90% para ơ12/ơ22 esta entre 1.13 y 1 – α =0,90
3.92. Esto indicaría que la ơ12 del
método1 es > a la ơ22 del método2
CURSO: ESTADISTICA INFERENCIAL
 INTERVALO DE CONFIANZA
PARA EL COCIENTE DE
VARIANZAS

EJEMPLO:
Un fabricante va a instalar una nueva máquina A, solo si hay
prueba de que es menos variante que la Máquina B, en los
tiempos empleados para realizar un determinado producto, para
este fin hace las siguientes pruebas, si estos tiempos tienen una
distribución normal, hallar el intervalo de confianza al 95% para
σ12
el cociente de varianzas y cuál será la decisión que tomará el
σ22
fabricante:
M. A 2,17 2,23 2,21 2,18 2,22 2,2 2,21 2,19
M.B 2,13 2,16 2,14 2,12 2,15 2,14

CURSO: ESTADISTICA INFERENCIAL

 INTERVALO DE CONFIANZA
PARA EL COCIENTE DE
VARIANZAS

SOLUCION:
Haciendo los cálculos tenemos que:
na= 8 S2a=4,125 x 10-4 nb= 6 S2b= 2 x 10-4
𝑆𝑎 2 1 σ𝑎2 𝑆𝑎2 1
P[ X ≤ 2≤ X ]= 0,95
𝑆𝑏2 F1−α/2, na−1,nb−1 σ𝑏 𝑆𝑏2 Fα/2,na−1,nb−1

𝑆𝑎2 1 σ𝑎2 𝑆𝑎2 1

X ≤ 2≤ X
𝑆𝑏2 F(0,975,7,5) σ𝑏 𝑆𝑏2 F(0,025,7,5)

4,125𝑥10−4 1 σ𝑎2 4,125𝑥10−4

X ≤ ≤ X F(0,975,5,7)
2,0𝑥10−4 F0,975,7,5 σ𝑏2 2,0𝑥10−4
σ𝑎2 Luego el intervalo de confianza está
2,0625 X 0,146 ≤ ≤ 2,0625 X 5,29 entre 0,301 y 10,931, por lo tanto la
σ𝑏2
σ𝑎2 varianza es inestable en la maquina A, y
0,301 ≤ ≤ 10,931
σ𝑏2 no debería cambiarse hasta que este
cociente sea < 1.
CURSO: ESTADISTICA INFERENCIAL
 PRUEBA DE HIPOTESIS PARA
EL COCIENTE DE VARIANZAS

Supóngase que se tiene interés en dos poblaciones normales

independientes, donde las medias y las varianzas de la población son
desconocidas. Cuando deseamos probar la igualdad o desigualdad de
las dos varianzas, utilizamos la distribución F de Fisher.
Y los casos que se pueden presentar son tres, igualdad, menor o mayor
que dando lugar a la pruebas de dos colas, unilateral izquierdo o
unilateral derecho.

CURSO: ESTADISTICA INFERENCIAL

 PRUEBA DE HIPOTESIS PARA
EL COCIENTE DE VARIANZAS

EJEMPLO:
Las siguientes son las calificaciones obtenidas en una práctica por 2
grupos de alumnos A y B de secciones diferentes del curso de
Estadística. Suponiendo que estos datos se pueden considerar como
muestras aleatorias independientes tomadas de dos poblaciones
normales, probar que la varianza de las calificaciones del grupo A es
diferente de la varianza de las calificaciones del grupo B, con un nivel de
error de 5%. A 14 12 08 11 20 10 13 16 10 09
B 16 14 15 10 20 12 13 07 17 12

CURSO: ESTADISTICA INFERENCIAL

 PRUEBA DE HIPOTESIS PARA
EL COCIENTE DE VARIANZAS

DATOS:
n1 = 10 m1= 9 S21=13,12 X=12,3 α=0,05
n2 = 10 m2= 9 S22=13,6 X=13,6 α=0,05

A . Planteo de Hipótesis
Ho: ơ12/ơ22 =1
H1: ơ12/ơ22 ǂ 1 (prueba a dos colas)

B. Graficando el punto crítico c. Hallando el Estadístico de Contraste

Hallar F (0,025,9,9)
F (0,025,9,9) = 0,248
F (0,975,9,9) = 4,03
Z.R: <-α, 0,248] U [4,03,+α>
D. Decisión
Como F de contraste cae en zona de aceptación, podemos decir que las
varianzas de las calificaciones no son significativamente diferentes.

CURSO: ESTADISTICA INFERENCIAL

 PRUEBA DE HIPOTESIS PARA
EL COCIENTE DE VARIANZAS

EJEMPLO:
Una compañía de refrescos prueba una nueva máquina embotelladora y se
quiere saber si las desviaciones en la cantidad de llenado del refresco serán
mayores en la nueva maquina (σ2m) que en la maquina actual (σ2a), ya que esta
máquina es mucho más rápida. Si se trabaja con un nivel de significancia de
1%, probar el temor de la compañía de refrescos.

Máquina Nueva Máquina Actual

n1= 26 n2= 21
S12 = 0.0018 S22 = 0.0008

CURSO: ESTADISTICA INFERENCIAL

 PRUEBA DE HIPOTESIS PARA
EL COCIENTE DE VARIANZAS

DATOS:
Lo que la compañía teme es que la variación de llenado en la máquina nueva sea mayor
a la máquina actual.
σ2m > σ2a
A . Planteo de Hipótesis
Ho: ơ12/ơ22=1
H1: ơ12/ơ22>1
B. Graficando el punto crítico c. Hallando el Estadístico de Contraste
Hallar F (0,99, 25,20) 𝑆2 σ2 0.0018 σ22
𝐹= 1 X 2 𝐹 = Xσ2
𝑆22 σ12 0.0008
F (0,99, 25,20) = 2.843 1

R.R: [2,843, α+>

𝐹 = 2.25
DECISIÓN:
Como el F de contraste cae en la zona de aceptación se acepta Ho, y por tanto
ambas varianzas son iguales.
Por lo tanto a un nivel de significancia de 1% no hay suficiente evidencia como
para indicar que la variación que produce la máquina nueva es mayor que la
variación de la máquina actual, por lo tanto debe adquirirse la nueva máquina.

CURSO: ESTADISTICA INFERENCIAL

CURSO: ESTADISTICA INFERENCIAL
 EJEMPLO:

Hallar el valor del coeficiente de Fisher para los siguientes

cocientes de varianzas:

F (0,05, 20, 15) =

F(0,10, 25, 20) =

F(0,95, 20, 15) =

F(0,95, 25, 20) =

CURSO: ESTADISTICA INFERENCIAL

 EJEMPLO:
Una compañía fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustaría seleccionar el proceso que tenga
la menor variabilidad en la rugosidad de la superficie. Para ello toma
una muestra de n1=16 partes del primer proceso, la cual tiene una
desviación estándar s12 = 4.7 micropulgadas, y una muestra aleatoria de
n2=12 partes del segundo proceso, la cual tiene una desviación estándar
s22 = 5.1 micropulgadas. Se desea encontrar un intervalo de confianza
del 90% para el cociente de las varianzas?

CURSO: ESTADISTICA INFERENCIAL

 EJEMPLO:
Una pastelería considera comprar uno de dos hornos a gas, la pastelería
requiere que la temperatura permanezca lo más constante posible durante la
operación de horneado. Para ello se hizo un estudio de medir la varianza de
temperatura en los hornos y se obtuvieron los siguientes resultados.
Horno Nova: n1= 16 S12=2,4 Horno Fam : n2=12 S22=3,2
Cuál de los hornos se debería comprar, si se requiere la menor variación de
temperatura, trabajar con un nivel de significancia de 2,5%?

CURSO: ESTADISTICA INFERENCIAL

 1. Conceptos de Distribución Muestral del Cociente de
Varianzas
2. Cálculo de Probabilidad del Cociente de Varianzas.
3. Estimación del Intervalo de confianza para el cociente
de Varianzas Poblacionales.
4. Ejemplos Aplicativos

CURSO: ESTADISTICA INFERENCIAL

 o LEVIN, Richard y David Rubin (2010) Estadística para
Administración y Economía. 7ª ed. Pearson. México. Cap.
1: Introducción. 1 - 5 págs.
o LIND, Douglas; William Marchal y Robert Mason (2004)
Estadística para Administración y Economía. 11ª ed.
Alfaomega. México. Cap. 1: ¿Qué es la estadística?. 1 – 20
págs.
o WEIERS, Ronald (2006). Introducción a la Estadística para
Negocios. 5ta ed. Cengage Learning. México. Cap. 1: Un
avance de la estadística para los negocios. 1 - 16 págs.

CURSO: ESTADISTICA INFERENCIAL