F DE FISHER

¿Cuándo usar esta distribución?

 Esta es la distribución de probabilidad de la razón de
dos varianzas provenientes de dos poblaciones
diferentes. Por medio de esta distribución es posible
determinar la probabilidad de ocurrencia de una
razón específica con v1=n1-1 y v2=n2-1 grados de
libertad en muestras de tamaño n1 y n2.
 Es la distribución más importante en experimentación
pues permite hacer cálculos sobre varianzas
diseminadas determinando si las diferencias
mostradas son significativas y por lo tanto atribuibles
a cambios importantes en el comportamiento de las
poblaciones en estudio.
 F DE FISHER
 Fórmulas
La función acumulada está tabulada.
Función densidad
v1

 v1  v 2   v1  2 v1
1
  *   * x 2

 2   v2 
f ( x)  v1  v2
x0
v  v  v  2
 1  *  2  *  1 * x  1
 2   2   v2 

Forma de la curva de esta

distribución según v1 y v2
 F DE FISHER
¿Cómo usar las tablas?
 La tabla da valores de probabilidad acumulados de
izquierda a derecha. Para extraer valores de
probabilidad de esta tabla se sigue el siguiente
procedimiento:
1. Extraer muestras de dos poblaciones y estimar
las desviaciones estándar.
2. Determinar los grados de libertad (v1 y v2) tal que
v1=n1-1 y v2=n2-1.
3. Calcular el valor de F=s12/ s22. Si se conocen las
varianzas entonces F=(s12 *22) / (s22 * 12)
 F DE FISHER
¿Cómo usar las tablas?
3. Localizar en tablas, la probabilidad asociada a los
valores de F, v1 y v2. En algunos casos se puede
interpolar, de lo contrario, se escoge el que más se
aproxime. Por ejemplo, si F es igual 3.28 con v1=12
y v2=8 grados de libertad, el valor de la
probabilidad menor que el es 0.95, pues se localiza
en la segunda columna a la izquierda tal y como se
muestra a continuación.
 F DE FISHER
EJEMPLO
En un proceso hay dos máquinas cortadoras
diferentes en antigüedad lo que hace pensar
que las varianzas de corte no son iguales. Se
toma una muestra de 16 partes de cada
máquina, ¿cuál es la probabilidad de que la
razón de varianzas sea:
a. mayor a 1.97?
b. menor a 3.52?
 F DE FISHER
SOLUCIÓN
a.
P ( F  1.97)  1  0.9  0.1 para v1  15 y v 2  15

La probabilidad de que la razón de varianzas sea

mayor a 1.97 es 0.1.
b.
P( F  3.52)  0.99 para v1  15 y v 2  15

La probabilidad de que la razón de varianzas sea

menor a 3.52 es 0.99.
 F DE FISHER
EJEMPLO
En un proceso hay dos máquinas cortadoras
diferentes en antigüedad lo que hace pensar
que las varianzas de corte no son iguales. Se
toma una muestra de 16 partes de cada
máquina, ¿cuál es la probabilidad de que la
razón de varianzas sea:
a. mayor a 1.97?
b. ¿Qué valor de F da una probabilidad a la
derecha de 0.15?
 F DE FISHER
SOLUCIÓN
a. P(F>1.97)=? En Excel se pulsa en el
menú:
INSERTAR, FUNCIÓN, ESTADÍSTICAS, DISTR.F
P(F>1.97) se introduce el valor de F que es 1.97, el
número de grados de libertad del numerador
que es 15 y el número de grados de libertad del
denominador que es 15. Excel retorna el valor
de la probabilidad que es 0.1 pues el valor
dado es en la cola derecha.
F DE FISHER
 F DE FISHER
SOLUCIÓN
b. P(F>Fi)=0.15
En Excel se pulsa en el menú:
INSERTAR, FUNCIÓN, ESTADÍSTICAS,
DISTR.F.INV
P(F>Fi) se introduce el valor de la probabilidad que
es 0.15, el número de grados de libertad del
numerador que es 15 y el número de grados de
libertad del denominador que es 15. Excel
retorna el valor F que es 1.73.
F DE FISHER
Aplicaciones en la industria:

• La técnica del análisis de la varianza, introducida por Fisher, en

principio, para su aplicación a la investigación agrícola y biológica, se
ha convertido en un instrumento poderoso que puede ser utilizado en
cualquier campo de actividades, como en el caso de la Psicología que
hoy nos ocupa.

• La aplicación fundamental de la distribución F es la comparación de

varianzas, es decir, el contraste de hipótesis referentes a varianzas de
poblaciones normales e independientes, y a la comparación de medias
de varias poblaciones, que constituye precisamente el “análisis de la
varianza”.
 DISTRIBUCIÓN UNIFORME

 Es el modelo (absolutamente) continuo más simple.

 Corresponde al caso de una variable aleatoria que sólo
puede tomar valores comprendidos entre dos extremos a
y b, de manera que todos los intervalos de una misma
longitud (dentro de (a, b)) tienen la misma probabilidad.
Se dice que una variable aleatoria X está distribuida uniformemente en
a<=x<=b si su función de densidad es:

•Su función de distribución es:

•Su media y su varianza son:

µ=12(a+b)
σ2=112(b-a)2
EJERCICIOS DE APLICACIÓN:

 1) En una práctica de presión se deja caer una bomba a lo

largo de una línea de 1 km de longitud. El blanco se
encuentra en el punto medio de la línea. El blanco se
destruirá si el blanco cae a una distancia menor a 75
metros del centro. Calcule la probabilidad de que el
blanco se destruya si la bomba cae al azar a lo largo de la
línea.
2) UN RELOJ DE MANECILLAS SE DETUVO EN UN PUNTO QUE NO
SABEMOS. DETERMINE LA PROBABILIDAD DE QUE SE HAYA
DETENIDO EN LOS PRIMEROS 25 MINUTOS LUEGO DE SEÑALAR LA
HORA EN PUNTO.
Y 1,60 $:
A) HALLAR LA FUNCIÓN DE DISTRIBUCIÓN.
B) HALLAR EL PRECIO MEDIO ESPERADO DE LA GASOLINA
PARA EL SIGUIENTE AÑO.
 DISTRIBUCION LOGNORMAL
 La distribución log-normal es una distribución de
probabilidad de una variable aleatoria cuyo logaritmo
esta normalmente distribuido.

 Si X es una variable aleatoria con una distribución

normal, entonces exp(X) tiene una distribución log-
normal.
 CONSIDERACIONES
 La base de la función logarítmica es irrelevante, ya que
loga X está distribuida normalmente si y sólo si
logb X está distribuida normalmente, sólo se diferencian
en un factor constante.
 Una variable puede ser modelada como log-normal si
puede ser considerada como un producto multiplicativo
de muchos pequeños factores independientes.
 Un ejemplo típico es un retorno a largo plazo de una
inversión: puede considerarse como un producto de
muchos retornos diarios.
 MODELO MATEMÁTICO
 La distribución log-normal tiende a la función densidad
de probabilidad:
APLICACIONES
 La aplicación más importante de la distribución
lognormal es la descripción de la dispersión existente en
los datos de tasas de fallos de componentes. La función
densidad se puede escribir a partir de la siguiente forma:
 m* y s2 son la media y la varianza, respectivamente, de los
logaritmos de las tasas de fallos. Sus valores se obtienen
mediante las siguientes estimaciones:

 Siendo N el número total de valores de la tasa de fallos de un

componente.
 ¿PARA QUE SE UTILIZA?

La distribución t se usa de manera extensa en problemas que tienen

que ver con inferencia acerca de la media de la población o en
problemas que implican
muestras comparativas (es decir, en casos donde se trata de
determinar si las medias de dos muestras son significativamente
diferentes).
 CARACTERISTICAS

 
 GRADOS DE LIBERTAD

  
 FORMULAS

 
 
 APLICACIONES

 Para probar hipótesis cuando una investigación se basa en

un muestreo pequeño.
 Para probar si 2 muestras provienen de una misma
población.
 Para realizar un control de calidad de producción a nivel de
cualquier empresa.
EJEMPLO
EJEMPLO
EJEMPLO