Está en la página 1de 8

PRUEBAS SOBRE VARIANZAS

Si se extrae una muestra aleatoria de tamaño n de una población normal con media μy
varianza σ 2, y se calcula la varianza muestral, se obtiene el valor del estadístico s2 que se
utilizará para conocer la σ 2, mediante una variable aleatoria chi cuadrada con “n-1” grados
de libertad. Formalizando con el siguiente teorema:
Si s2 es la varianza de una muestra aleatoria de tamaño “n” que se toma de una población
normal que tiene varianza σ 2, entonces el estadístico:

(n−1 s 2)
x 2=
σ2
Tiene una distribución chi cuadrado con v= n-1, grados de libertad

Con σ2 o para denotar el valor hipotético de la varianza poblacional, las tres formas de una
prueba de hipótesis son: Estas tres pruebas son semejantes a las pruebas de hipótesis de las
sesiones anteriores, para pruebas de una o dos colas para medias y proporciones
poblacionales.

Ejemplo: La St. Louis Metro Bus Company de Estados Unidos, desea dar una imagen de
confiabilidad haciendo que sus conductores sean puntuales en los horarios de llegada a las
paradas. La empresa desea que haya poca variabilidad en dichos tiempos. En términos de la
varianza de los tiempos de llegada de las paradas, la empresa desea que la varianza sea de 4
minutos o menos. Esta prueba de hipótesis se realiza con un nivel de significancia de α =
0.05 Asuma que en una muestra aleatoria de 24 llegadas a cierta parada en una intersección
en el centro de la ciudad, la varianza muestral encontrada es s 2=4.9

Ho: σ2 ≤ 4

Ha: σ2 > 4

Nivel de significancia de α = 0.05, como la prueba es de una sola cola (la del lado derecho),
se considera una distribución X2.

Obtenemos el valor crítico X2 c utilizando la tabla de valores de esta distribución:

- Grados de libertad = n-1= 24 – 1 = 23 (renglones de tabla).


- Probabilidad: nivel de significancia α = 0.05 (columnas de tabla).
- Buscando estos valores en la tabla tenemos que X2 c = 35.172.

Calcular el estadístico de prueba X2 p.

𝑋𝑝 2 = (𝑛 − 1) 2 /𝜎0 2 = (24 − 1)(4.9)/ 4 = 28.18

Si el estadístico de prueba es menor que el valor crítico, se rechaza H0, de manera contraria
se acepta. Por lo tanto para esta prueba, tenemos que: 28.18 < 35.172, se rechaza H0. Se
concluye que existe evidencia suficiente para rechazar H0, en tal caso habrá que tomar
medidas para reducir la varianza poblacional.

Pruebas de hipótesis para dos varianzas poblacionales. En algunas aplicaciones estadísticas


interesa comparar las varianzas de las calidades de producto obtenido mediante dos
métodos de producción diferentes, o las varianzas de tiempos de fabricación empleando dos
métodos diferentes, o las varianzas de temperaturas que se tienen con dos dispositivos
distintos de calentamiento. Para comparar dos varianzas poblacionales, se emplean datos
obtenidos de dos muestras aleatorias independientes, una de la población 1 y otra de la
población 2. Distribución muestral de 𝑠1*2 /𝑠2*2 cuando 𝜎1*2 /𝜎2*2 se utiliza la
distribución F con n1 -1 grados de libertad en el numerador y n2 -1 grados de libertad en el
denominador. Formula general del estadístico de prueba: 𝐹 = 𝑆1*2/ 𝑆2*2

Tomado de: https://moodle2.unid.edu.mx/dts_cursos_mdl/lic/AE/EI/S08/EI08_Visual.pdf


ANOVA
Es una colección de modelos estadísticos y sus procedimientos asociados, en el cual
la varianza está particionada en ciertos componentes debidos a diferentes variables
explicativas.
Las técnicas iniciales del análisis de varianza fueron desarrolladas por
el estadístico y genetista R. A. Fisher en los años 1920 y 1930 y es algunas veces conocido
como "Anova de Fisher" o "análisis de varianza de Fisher", debido al uso de la distribución
F de Fisher como parte del contraste de hipótesis.
El análisis de la varianza parte de los conceptos de regresión lineal. Un análisis de la
varianza permite determinar si diferentes tratamientos muestran diferencias significativas o
por el contrario puede suponerse que sus medias poblacionales no difieren. El análisis de la
varianza permite superar las limitaciones de hacer contrastes bilaterales por parejas que son
un mal método para determinar si un conjunto de variables con n > 2 difieren entre sí. El
primer concepto fundamental es asumir que todo valor observado puede expresarse
mediante la siguiente función:
Tipos de modelo
Modelo I: Efectos fijos

El modelo de efectos fijos de análisis de la varianza se aplica a situaciones en las que el


experimentador ha sometido al grupo o material analizado a varios factores, cada uno de los
cuales le afecta sólo a la media, permaneciendo la "variable respuesta" con una distribución
normal.
Este modelo se supone cuando el investigador se interesa únicamente por los niveles del
factor presentes en el experimento, por lo que cualquier variación observada en las
puntuaciones se deberá al error experimental.
Modelo II: Efectos aleatorios (componentes de varianza)
Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren
diferencias incomparables en el material o grupo experimental. El ejemplo más simple es el
de estimar la media desconocida de una población compuesta de individuos diferentes y en
el que esas diferencias se mezclan con los errores del instrumento de medición.
Este modelo se supone cuando el investigador está interesado en una población de niveles,
teóricamente infinitos, del factor de estudio, de los que únicamente una muestra al azar
(t niveles) están presentes en el experimento.
Grados de libertad
Los grados de libertad pueden descomponerse al igual que la suma de cuadrados. Así,
GLtotal = GLentre + GLdentro. Los GLentre se calculan como: a - 1, donde a es el número
de tratamientos o niveles del factor. Los GLdentro se calculan como N - a, donde N es el
número total de observaciones o valores de la variable medida (la variable respuesta).
Pruebas de significación
El análisis de varianza lleva a la realización de pruebas de significación estadística, usando
la denominada distribución F de Snedecor.
Tablas ANOVA

Una vez que se han calculado las sumas de cuadrados, las medias cuadráticas, los grados de
libertad y la F, se proceden a elaborar una tabla que reúna la información, denominada
"Tabla de Análisis de varianza o ANOVA", que adopta la siguiente forma:

PRUEBA SOBRE DOS MEDIAS, POBLACIONES NORMALES, VARIANZAS


DESCONOCIDAS PERO DIFERENTES
 

Ejemplo:

1. Un fabricante de monitores prueba dos diseños de microcircuitos para determinar si


producen un flujo de corriente equivalente. El departamento de ingeniería ha
obtenido los datos siguientes:

Diseño 1 n1 = 16 s12 = 10

Diseño 2 n2 = 10 s22 = 40

Con   = 0.05, se desea determinar si existe alguna diferencia significativa en el


flujo de corriente promedio entre los dos diseños, donde se supone que las dos
poblaciones son normales, pero no es posible suponer que las varianzas
desconocidas sean iguales.

Solución:

Primero se probarán varianzas desiguales.

Ensayo de hipótesis:

Estadístico de prueba:

 La sugerencia que se hace es que el numerador sea el de valor mayor.

Entonces los grados de libertad uno será el tamaño de la muestra de la población


uno menos uno.  1= 10-1 = 9 y  2= 16-1=15.
Regla de decisión:

Si 0.265  Fc   3.12 No se rechaza Ho,

Si la Fc < 0.265 ó si Fc > 3.12 se rechaza Ho.

Cálculo:

Decisión y Justificación:

Como 4 es mayor que 3.12 se rechaza Ho, y se concluye con un   = 0.05 que
existe suficiente evidencia para decir que las varianza de las poblaciones son
diferentes.

Con la decisión anterior se procede a comparar las medias:

Ensayo de Hipótesis

Ho;  1- 2=0

H1;  1- 2   0

Para poder buscar el valor de t en la tabla, se necesita saber el valor de los grados de
libertad:

Este valor se redondea al próximo menor que sería 11.


Regla de decisión:

Si –2.201  tR   2.201 No se rechaza Ho

Si tR < -2.201 ó si tR > 2.201 se rechaza Ho

Cálculos:

Justificación y decisión:

Como 0.1395 está entre –2.201 y 2.201, no se rechaza Ho y se concluye con un   
= 0.05, que no existe diferencia significativa en el flujo de corriente promedio entre
los dos diseños.

Tomado de: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03d.html