¿Cuáles son las características de la distribución

F?
• 1. Existe una familia de distribuciones F.
• Cada miembro de la familia se determina mediante dos parámetros:
los grados de libertad del numerador y los grados de libertad del
denominador.
• 2. La distribución F es continua. Esto significa que se supone un
número infinito de valores entre cero y el infinito positivo.
• 3. La distribución F no puede ser negativa. El menor valor que F
puede tomar es 0.
• 4. Tiene sesgo positivo. La cola larga de la distribución es hacia el lado
derecho. Cuando el número de grados de libertad aumenta, tanto en
el numerador como en el denominador, la distribución se aproxima a
ser normal.
• 5. Es asintótica. Cuando los valores de X aumentan, la curva F se
aproxima al eje X pero nunca lo toca. Este caso es similar al
comportamiento de la distribución de probabilidad normal
Comparación de dos varianzas
poblacionales
• La primera aplicación de la distribución F ocurre cuando se
pone a prueba la hipótesis de que la varianza de una
población normal es igual a la varianza de otra población
normal.
••  Para realizar la prueba, se selecciona una muestra
aleatoria de n1 observaciones de una población y una
muestra aleatoria de n2 observaciones de la segunda
población. El estadístico de prueba se define como
sigue.
• ESTADÍSTICO DE PRUEBA PARA COMPARAR DOS
VARIANZAS
Lammers Limos ofrece servicio de transporte en limusina del ayuntamiento de Toledo, Ohio,
al aeropuerto metropolitano de Detroit. Sean Lammers, presidente de la compañía, considera
dos rutas. Una por la carretera 25 y la otra por la autopista I-75. Lammers desea estudiar el
tiempo que tardaría en conducir al aeropuerto por cada una de las rutas y luego comparar los
resultados.
Recopiló los siguientes datos muestrales, reportados en minutos. Usando el nivel de
significancia de 0.10, ¿hay alguna diferencia entre las variaciones de los tiempos de manejo
por las dos rutas?

Carretera Autopista
52 59
67 60
56 61
45 51
70 56
54 63
64 57
65
 Suposiciones en el análisis
de la varianza (ANOVA)
Otro uso de la distribución F es el análisis de la técnica de la
varianza (ANOVA), en la cual se comparan tres o más medias
poblacionales para determinar si pueden ser iguales. Para
emplear ANOVA, se supone lo siguiente:
1. Las poblaciones siguen la distribución normal.
2. Las poblaciones tienen desviaciones estándares iguales
3. Las poblaciones son independientes.
¿Por qué es necesario estudiar ANOVA?
La razón más importante es la acumulación indeseable del error tipo I.
Para ampliar la explicación, suponga cuatro métodos distintos (A, B, C y
D) para capacitar personal para ser bomberos. La asignación de cada
uno de los 40 prospectos del grupo de este año es aleatoria en cada
uno de los cuatro métodos. Al final del programa de capacitación, a los
cuatro grupos se les administra una prueba común para medir la
comprensión de las técnicas contra incendios. La pregunta es: ¿existe
una diferencia entre las calificaciones medias del examen de los cuatro
grupos? La respuesta a esta pregunta permitirá comparar los cuatro
métodos de capacitación.
Si emplea la distribución t para comparar las cuatro medias poblacionales, tendría que efectuar seis pruebas t
distintas. Es decir, necesitaría comparar las calificaciones medias de los cuatro métodos como sigue: A contra
B, A contra C, A contra D, B contra C, B contra D y C contra D. Si el nivel de significancia es de 0.05, la
probabilidad de una decisión estadística correcta es de 0.95, calculada de 1 – 0.05. Como se realizaron seis
pruebas separadas (independientes), la probabilidad de que no se tome una decisión incorrecta debido al error
de muestreo en cualquiera de las seis pruebas independientes es:

P(todas correctas) (0.95)(0.95)(0.95)(0.95)(0.95)(0.95) = 0.735

Para encontrar la probabilidad de que al menos tenga un error debido al muestreo, reste este resultado a 1. Por
lo tanto, la probabilidad de al menos una decisión incorrecta debida al muestreo es de 1 – 0.735 = 0.265. En
resumen, si realiza seis pruebas independientes con la distribución t, la posibilidad de rechazar una hipótesis
nula verdadera debido al error de muestreo se incrementa de 0.05 a un nivel insatisfactorio de 0.265. Es obvio
que necesita un mejor método que realizar seis pruebas t.

ANOVA le permite comparar las medias de tratamiento de forma simultánea y evitar la acumulación del error
de tipo I.
 ¿Cómo funciona la prueba
ANOVA?
La estrategia es estimar la varianza de la población (desviación estándar al cuadrado)
de dos formas para después determinar la razón de dichas estimaciones. Si esta razón
es aproximadamente 1, entonces por lógica las dos estimaciones son iguales, y se
concluye que las medias poblacionales no son iguales. La distribución F sirve como un
árbitro para indicar en qué instancia la razón de las varianzas muestrales es mucho
mayor que 1 para haber ocurrido por casualidad.