Universidad Nacional Mayor de San Marcos

Facultad de Ciencias Económicas

DISTRIBUCION “F”

2
2
Si 𝑥12 + 𝑥2+⋯………..+ 𝑥𝛿1 𝑦 𝑌12 + 𝑌23 + ⋯ … … … + 𝑌𝛿2 son variables aleatorias
normales estándares independientes, entonces
2
(𝑥12 +𝑥2+⋯………..+
2 𝑥𝛿1 )/𝛿1
F= (𝑌2 +𝑌3 +⋯………+𝑌2 )/𝛿2 ~𝐹(𝛿1, 𝛿2)
1 2 𝛿

El numerador y el denominador son independientes. La variable F es una

razón de dos variables Ji-cuadrado con
𝛿1 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 𝑒𝑛 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑎𝑑𝑜𝑟 𝑦 𝛿2 grados de libertad en el
denominador

Su función de densidad es:

𝛿1+𝛿2 𝛿1
Γ( ) 𝛿1
𝛿1 𝛿1𝐹 −(𝛿1+𝛿2)/2
] ( ) 𝐹 ( 2 −1) (1 +
2 2
f(F)=[ 𝛿1 𝛿2 )
Γ( 2 )Γ( 2 ) 𝛿2 𝛿2

la media y la varianza:
𝛿2
E(F)=𝛿2−2 𝑝𝑎𝑟𝑎 𝛿2 > 2
2
2𝛿2(𝛿1+𝛿2−2)
V(F)=𝛿1(𝛿2−2)2 (𝛿2−4) 𝑝𝑎𝑟𝑎 𝛿2 > 4

1
Propiedad.- Si X~𝐹 (𝛿1, 𝛿2), 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑒𝑠 𝐹(𝛿2, 𝛿1), es la propiedad
𝑥
recíproca de F, de modo que:
1
𝐹 (1 − 𝛼, 𝛿1, 𝛿2) =
𝑓(𝛼, 𝛿2, 𝛿1)

1 D:PROBABILIDADES/distribución F
 Universidad Nacional Mayor de San Marcos
Facultad de Ciencias Económicas

Definición.- F es un conjunto de dos estadígrafos 𝜒 2 independientes

dividido por su número respectivo de grados de libertad.

Sea U y V dos variables aleatorias independientes que tienen distribución

Ji-cuadrado con 𝑣1 , 𝑣2 grados de libertad.
𝑈/𝑣
F=𝑉/𝑣1
2

Su función de densidad:
𝑣1 +𝑣2
𝑣 𝑣1 𝐹 −( 2 )
𝑓(𝐹 ) = 𝐾𝐹 (2−1) (1 − ) ; 𝐹>0
𝑣2

K es una constante que depende de los valores de 𝑣1 𝑦 𝑣2.

Sus características son:

𝑣2
𝜇𝐹 = 𝐸 (𝐹 ) = , 𝑣2 > 2
𝑣2 − 2

2𝑣22 (𝑣1 + 𝑣2 − 2)
𝑉𝐹2 = ,𝑣 > 4
𝑣1 (𝑣2 − 2)2 (𝑣2 − 4) 2

cálculo del estadístico F:

𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑒𝑛𝑡𝑟𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
F=𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑛𝑡𝑟𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑆𝐶𝐸
𝐾−1 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑚𝑒𝑑𝑖𝑜 𝑒𝑛𝑡𝑟𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
F= 𝑆𝐶𝐷 = 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒𝑛𝑡𝑟𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑛−𝐾

2 D:PROBABILIDADES/distribución F
 Universidad Nacional Mayor de San Marcos
Facultad de Ciencias Económicas

Teorema: Si 𝑠12 𝑦 𝑠22 son cuasi-varianzas de dos muestras aleatorias

independientes (𝑛1 , 𝑛2 ) seleccionadas de poblaciones normales
𝑁(𝜇1 , 𝜎12 )𝑦 𝑁(𝜇2 , 𝜎22 ) respectivamente, entonces, la variable aleatoria:

𝑠2
1
𝜎2
1
F= 𝑠2
~𝐹(𝑛1 − 1, 𝑛2 − 1)
2
𝜎2
2

(𝑛1 −1)𝑠12 2
Sea 𝑈 = ~𝜒(𝑛1 −1)
𝜎12

(𝑛2 −1)𝑠22 2
V= 𝜎22
~𝜒(𝑛2 −1)

Luego:

𝑈 𝑠2
1
(𝑛1 −1) 𝜎2
1
F= 𝑉 = 𝑠2
~𝐹((𝑛1 − 1, 𝑛2 − 1)
2
(𝑛2 −1)
𝜎2
2

Si 𝜎12 = 𝜎22 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:

𝑠12
F= 2 ~ 𝐹((𝑛1 − 1, 𝑛2 − 1)
𝑠2

3 D:PROBABILIDADES/distribución F