DISTRIBUCION "F" FISHER

La necesidad de disponer de métodos estadísticos para comparar las

varianzas de dos poblaciones es evidente a partir del análisis de una
sola población. Frecuentemente se desea comparar la precisión de un
instrumento de medición con la de otro, la estabilidad de un proceso
de manufactura con la de otro o hasta la forma en que varía el
procedimiento para calificar de un profesor universitario con la de otro.

Intuitivamente, podríamos comparar las varianzas de dos

poblaciones, y , utilizando la razón de las varianzas

muestrales s 1/s 2. Si s 1/s22 es casi igual a 1, se tendrá poca
2 2 2

evidencia para indicar que y no son iguales. Por otra parte,

un valor muy grande o muy pequeño para s21/s22, proporcionará
evidencia de una diferencia en las varianzas de las poblaciones.

La variable aleatoria F se define como el cociente de dos variables

aleatorias ji-cuadrada independientes, cada una dividida entre sus
respectivos grados de libertad. Esto es,

donde U y V son variables aleatorias ji-cuadrada independientes con

grados de libertad y  respectivamente.

Sean U y V dos variables aleatorias independientes que tienen

distribución ji cuadradas con grados de libertad,
respectivamente. Entonces la distribución de la variable

aleatoria está dada por:

y se dice que sigue la distribución F con grados de libertad en el
numerador y grados de libertad en el denominador.

La media y la varianza de la distribución F son:

para

para

La variable aleatoria F es no negativa, y la distribución tiene un sesgo

hacia la derecha. La distribución F tiene una apariencia muy similar a
la distribución ji-cuadrada; sin embargo, se encuentra centrada
respecto a 1, y los dos parámetros proporcionan una flexibilidad
adicional con respecto a la forma de la distribución.

Si s12 y s22 son las varianzas muestrales independientes de tamaño

n1 y n2 tomadas de poblaciones normales con varianzas  y ,
respectivamente, entonces:

Para manejar las tablas de Fisher del libro de Introducción a la

Inferencia Estadística del autor Güenther, se tendrá que buscar
primero los grados de libertad dos para luego localizar el área
correspondiente, relacionándola con los grados de libertad uno, para
calcular el valor de F.

Las tablas tienen la siguiente estructura:


El valor de 30.4 es el correspondiente a una Fisher que tiene 3 grados
de libertad uno y 6 grados de libertad dos con un área de cero a Fisher
de 0.995. Si lo vemos graficamente:

Como nos podemos imaginar existen varias curvas Fisher, ya que

ahora su forma depende de dos variables que son los grados de
libertad.
DISTRUBUCIÒN F DE FISHER
Recibiò este nombre en honor a Sir Ronald Fisher (1890-1962),uno de los fundadores de la
estadística moderna.
Se una como estadística de prueba en varias situaciones.
Se emplea para probar si dos muestras provienen de poblaciones que poseen varianzas
iguales.la cual es útil para determinar si una población normal tiene una mayor variación que la
otra.
También se aplica cuando se trata de comparar simultáneamente varias medias poblaciones. La
comparación simultànea de varias medias poblacionales se conoce como análisis de varianza.
Distribución F
1. Origen
Sir Ronald Aylmer Fisher (Londres, Reino Unido, 17 de febrero de 1890 - Adelaida,
Australia, 29 de julio de 1962) fue un estadístico, y biólogo, quién usó la matemática para
combinar las leyes de Mendel con la selección natural, ayudando así a crear un nuevo
síntesiso del Darwinismo conocido como el síntesis evolutiva moderna, y también un
prominente eugenista en la parte temprana de su vida.
En 1919 empezó a trabajar en Rothamsted Research, una estación agrícola experimental
donde desarrolló el análisis de la varianza para analizar sus datos inmensos de los cultivos
cultivados desde los años 1840, y donde en los próximos años estableció su reputación
como bioestadístico.
2. Caracteristicas Principales
Es una distribución de probabilidad de gran aplicación en la inferencia estadística ,
fundamentalmente en la contrastación de la igualdad de varianzas de dos poblaciones
normales, y , fundamentalmente en el análisis de la varianza , técnica que permite detectar
la existencia o inexistencia de diferencias significativas entre muestras diferentes y que es,
por tanto esencial , en todos aquellos casos en los que se quiere investigar la relevancia
de un factor en el desarrollo y naturaleza de una característica. La variable aleatoria F es
no negativa, y la distribución tiene un sesgo hacia la derecha. Dominio de x es de 0 a
infinito.

F=
Función de densidad:

Función de distribución:
donde I es la función beta incompleta regularizada

Media:

Moda:

Varianza:

Coeficiente de asimetria:

Valor esperado_
v1=n1-1
3. Codigo en R
Si 2 muestras de tamaño aleatorio n1 = 7 y n2= 13 se toman de una población normal,
¿cuál es la probabilidad de que la varianza de la primera sea al menos 3 veces mas
grande que la segunda?
Respuesta: Se toma v1=7-1= 6 y v2 = 13-1 = 12
P(F>3)

1-pf(3,6,12)
## [1] 0.04980736

4. Aplicaciones en el campo de la ingeniería La función de probabilidad Fisher es

utilizada en gran número de ocasiones en diferentes campos de acción de la ingeniería. La
principal función que desempeña esta distribución de probabilidad es en la comprobación
de hipótesis que validen supuestos, con el fin de mejorar la toma de decisiones.
En el campo de la ingeniería industrial, esta función se usa en diferentes áreas como
logística o producción con el propósito de comparar dos procesos y mirar la relación de las
varianzas. Esta relación permite determinar el grado de desempeño en el desarrollo de
una actividad.
Del mismo modo, de manera más específica en el área de producción se utiliza en control
de calidad, con el fin de llevar los procesos a un control estadístico (reducir la variación
entre procesos). Este análisis se hace basado en la comparación de dos procesos con el
fin de reducir las diferencias y priorizar la estandarización.
5. Relaciones con otras distribuciones
La función de distribución Fisher está directamente relacionada con la función Chi-
cuadrado, en tanto que F es producto de un cociente entre dos valores correspondientes a
esta distribución.

F=
Del mismo modo con la variable I en la funcion de densidad se le relaciona con la funcion
Beta incompleta regularizada, la cual esta estrechamente relacionada con la funcion
gamma.