Cristian Pavón 00131637

INFERENCIAS CONCERNIENTES A LA RAZÓN DE VARIANZAS USANDO DOS

MUESTRAS INDEPENDIENTES

Al comparar dos poblaciones, se comparan diferentes características como la

media y desviación estándar. Mediante diferentes medios se realizan inferencias que
comparan las dos medias poblacionales con muestras independientes o dependientes.
Se pueden usar estos procesos de inferencias con poblaciones normales o con
poblaciones que no tengan distribuciones normales.
Después de comparar la media se compara la varianza o desviación estándar,
sin embargo, las distribuciones muestrales que tratan con varianzas o desviaciones
estándar muestrales pueden alejarse de las suposiciones. Por ende, se presenta un
único procedimiento que es la prueba de hipótesis para la igualdad de desviaciones
estándar.
Para realizar inferencias sobre la varianza de dos poblaciones con distribución
normal se usa la distribución F o distribución de Fisher. Esta distribución es una familia
de distribuciones de probabilidad y cada distribución se identifica con dos grados de
libertad uno por cada muestra involucrada.

Propiedades de la distribución F

1. F no es negativa; debe ser positiva o cero.

2. F no es simétrica; es sesgada a la derecha
3. Forma una familia de distribuciones donde para cada par de números de
grados de libertad existe una distribución separada.

Para cada muestra se tiene un número de grados de libertad, los cuales son 𝑔𝑙# =
𝑛#&# y 𝑔𝑙' = 𝑛'&# . Las combinaciones de grados de libertad resultan en distribuciones
diferentes de F y cada distribución de F tiene la forma de una distribución similar a la
figura 1.
Figura 1: Distribución de F

Fuente: Estadística elemental, p.523

Se pueden identificar los valores críticos de F con tres valores:

𝑔𝑙( , los grados de libertad de la muestra con varianza asociada al numerador de la F

calculada.
𝑔𝑙) , los grados de libertad de la muestra con varianza asociada al denominador.
𝛼, el área bajo la curva de distribución asignado a la derecha del valor crítico que se
busca.

Para un valor crítico de F se asigna un nombre simbólico, este es 𝐹 (𝑔𝑙( , 𝑔𝑙) , 𝛼), este
nombre se muestra en la figura 2.
 Figura 2: Valor crítico de F

Fuente: Estadística elemental, p.523

En este caso se tiene una tabla distinta para el “área a la derecha” o valor de 𝛼. Hay
tablas para 𝛼 = 0.05, 𝛼 = 0.025 y 𝛼 = 0.01.

El uso de la distribución de Fisher (F) tiene una condición.

Suposiciones para inferencias en torno a la razón de dos varianzas: Se seleccionan al
azar diferentes muestras a partir de poblaciones con distribución normal y las dos
muestras se seleccionan de forma independiente.

Observación: El estadístico de prueba para igualdad de varianzas es

8
67
𝐹 ⋆= (1)
698
con 𝑔𝑙( = 𝑛( − 1 y 𝑔𝑙) = 𝑛) − 1

Para pruebas de una cola las hipótesis nula y alternativa establecen un orden a las
varianzas muestrales que se asignan al numerador y denominador. Cuando las
suposiciones se satisfacen y la hipótesis nula es verdadera 𝐹𝐹 ⋆ tendrá una distribución
F, esta distribución tendrá para el numerador 𝑔𝑙( = 𝑛( − 1 y para el denominador 𝑔𝑙) =
𝑛) − 1.

Para calcular el valor p al usar la distribución F se usan dos métodos

• El método 1 incluye utilizar tablas (tabla 9 del apéndice B del libro Estadística
elemental) y colocar cotas sobre p. El valor de p es estimado y limitado.
• El método 2 incluye realizar la prueba de hipótesis con computadora o
calculadora.

Para pruebas de una y dos colas existen valores de F críticos los cuales se obtienen de
tablas, estos son valores críticos de la derecha. Se puede ajustar el orden numerador-
denominador para tener toda la “actividad” en la cola derecha.

Pruebas de una cola. La hipótesis alternativa siempre debe ser “mayor que”.
El valor 𝐹 ⋆ se calcula usando el mismo orden establecido en la hipótesis nula.

Pruebas de dos colas. Se usa la muestra de varianza más grande para el

numerador y se calcula 𝐹 ⋆; de esta manera 𝐹 ⋆ se hace más grande que 1 y
se ubica en la cola derecha, de este modo solo se necesita el valor crítico para
la cola derecha.
Bibliografía

Johnson, R., & Kuby, P. (2008). Estadística Elemental, 11ª edición México. Cencage
Learning.