Planteamientodehipotesis Ffisher 100513023741 Phpapp02

ESTADISTICA INFERENCIAL
Planteamiento de Hiptesis en ms de dos Poblaciones. Anlisis de Varianzas. Fisher

Mtra. A Elsa Retureta lvarez Pgina 1

UNIVERSIDAD VERACRUZANA
FACULTAD DE ADMINISTRACIN

Estadstica Inferencial

TEMA
Planteamiento de Hiptesis en ms de dos Poblaciones

EQUIPO: Restaurantes 2
Aguilar Hernndez Leticia
Avila Ortega Gabriela
Barcelata Beltrn Ana Mara
Domnguez Rivera Laura Mara
Durn Fabin Luis Selin
Garca Velzquez Anah
Gonzlez Cabaas Lizeth
Pacheco Betancourt Adriana Nohemi

PROGRAMA EDUCATIVO: Lic. Admn. Turstica
Veracruz, Ver., a 10 de mayo del 2010


PLANTEAMIENTO DE HIPTESIS EN MS DE DOS POBLACIONES

Algunas veces se consideran problemas en que debemos decidir si las diferencias
observadas entre ms de dos medias se pueden atribuir al azar o si existen
diferencias reales entre las medias de las poblaciones de las que se obtuvieron las
muestras.
Y esto se estudia cuando por ejemplo lo que queremos conocer sobre la base de
datos muestrales, si en realidad existe alguna diferencia:
- en la efectividad de 3 mtodos de enseanza de una lengua extranjera, o
quizs
- queremos comparar la produccin promedio por caballera de distintas
variedades de arroz.
- Un investigador agrcola pudiera estar interesado en saber que tipo de
fertilizante da mejores rendimientos,
- s en determinado laboratorio mdico se desea evaluar el efecto de
diferentes medicamentos en la presin sangunea.

El mtodo que utilizamos para este propsito es un instrumento estadstico
poderoso conocido como ANALISIS DE VARIANZA.


GLOSARIO
CONCEPTO DEFINICION TRADUCCION

ANOVA
anlisis de varianza (instrumento estadstico) ANALYSIS OF VARIANCE
(statistical tool

HIPOTESIS
ESTADISTICA
es una asuncin relativa a una o varias
poblaciones, que puede ser cierta o no
Is an assumption on one or
more populations that may be
true or not.

IDENTIDAD
FUNDAMENTAL
descomposicin de la varianza total total variance decomposition

GAUSSIANA
En estadstica y probabilidad se llama distribucin
normal, distribucin de Gauss o distribucin
gaussiana, a una de las distribuciones de
probabilidad de variable continua que con ms
frecuencia aparece en fenmenos reales
In statistics and probability is
called the normal distribution,
Gaussian distribution or
Gaussian distribution, one of
the probability distributions of
continuous variable that most
often appears in real
phenomena

INSESGADO.
Se denomina sesgo de un estimador a la
diferencia entre la esperanza (o valor esperado)
del estimador y el verdadero valor del parmetro
a estimar. Es deseable que un estimador sea
insesgado o centrado, es decir, que su sesgo sea
nulo por ser su esperanza igual al parmetro que
se desea estimar.

It's called bias of an estimator
to the difference between the
expectation (or expected
value) of the estimator and
the true value of the
parameter to be estimated. It
is desirable that an estimator
is unbiased and focused, ie, its
bias is zero hope for being
equal to the parameter to be
estimated.

GRADOS DE LIBERTAD
es un estimador del nmero de categoras
independientes en una prueba particular o
experimento estadstico.
Is an estimate of the number
of independent categories in a
particular test or experiment
statistics.

( )
( )
1 :
2
2
0
=
D
E
S E
S E
H
( )
( )
1 :
2
2
1
)
D
E
S E
S E
H

FORMULARIO
PRUEBA DE HIPTESIS PARA MAS DE DOS POBLACIONES F DE FISHER

C a s o

E s t a d s t it c o
anlisis de
varianza

( )
2
1 2 2
n
N
i
k
i
i
T

o o

+ =

=

2 2
o o =
T

2 2
o o )
T

Calculo de
hiptesis

estimador
insesgado de
o
2(varianza
dentro
del grupo)

( ) ( ) insesgado estimador un es S E donde y y
k n
S
D
ni
j
i ij D
=
=

=
2 2
2
1
2
1
o

Varianza entre
grupos.

( )
( )
( )
( )
( )
2 2
2
2
1 2 2 1
2
2
0
1 1
o

o

o
=
=
+ =
=

= =
E
i
k
i
i i
E
k
i
i i
E
S E la entonces
y que caso este en es que ya cierta nula hiptesis la bajo insesgado ser slo y
de sesgado estimador un es que lo por
k
n
S E su donde
k
y y n
S

estimadores de
SC
T
=

= = = = =
= = =
k
i
k
i
ij i
k
i
i
k
i
ni
j
ij
ni n donde y y T T T donde
n
T
y
1 1 1
2
1 1
2


las varianzas
poblacionales
conceptuales

SC
E
=
n
T
n
T
k
i
i
i
2
1
2
=

SC
D
= SC
T
- SC
E

Variabilidad
entre las
varianzas
muestrales

( ) ( )
2
1
2
ln 1 ln
i
k
i
i D
S n S k n M

=
=

( )
k n
S n
S
k
i
i i
D
=

=1
2
2
1

( )
2
1 2
1
=

=
i
k
i
i j i
i
n
Y Y
S

Medias de cada
grupo
6
15
90
8
5
40
4
5
20
6
5
30
3
3
3
2
2
2
1
1
1
= = = = = = = = = = = =
n
T
Y
n
T
Y
n
T
Y
n
T
Y

Calculo de las
varianzas
2
i
S

( )
1
2
1 2
=

=
i
k
i
i
n
Yi j Yi
S

Calculo del
estadstico de
prueba M/C
M = 1 +
( )
)
`

=
k
i
i
k n n k
1
1
1
1
1 3
1


FUENTE DE
VARIACIN
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADO
MEDIO

ESTADSTICO
ENTRE
GRUPO
( )
2
1
=

K
I
i i
y y n k 1
1 n
SC
E
F
0
=
2
2
D
E
S
S

( )
= =

k
i
ni
j
i ij
y y
1
2
1
n k
k n
SC
D

DENTRO DE
GRUPO
TOTAL
( )
= =

K
i
ni
j
ij
y y
1 1
2

N - 1

INTRODUCCION
Una hiptesis estadstica es una asuncin relativa a una o varias poblaciones, que
puede ser cierta o no. Las hiptesis estadsticas se pueden contrastar con la
informacin extrada de las muestras y tanto si se aceptan como si se rechazan se
puede cometer un error.
La hiptesis formulada con intencin de rechazarla se llama hiptesis nula y se
representa por H0. Rechazar H0 implica aceptar una hiptesis alternativa (H1).
Fisher realiz muchos avances en la estadstica, siendo una de sus ms
importantes contribuciones, la inferencia estadstica creada por l en 1920.
Student y Ronald Fisher iniciaron una nueva era en el estudio de las distribuciones
muestrales. Ronald Aylmer Fisher encontr en muestras procedentes de una
poblacin normal, la distribucin del coeficiente de correlacin, los coeficientes de
regresin, los coeficientes de correlacin mltiple y de proporcin de variables
conocida por el nombre de F.
Esta distribucin de probabilidad se usa como estadstica prueba en varias
situaciones. Se emplea para probar si dos muestras provienen de poblaciones que
poseen varianzas iguales. Esta prueba es til para determinar si una poblacin
normal tiene una mayor variacin que la otra y tambin se aplica cuando se trata
de comparar simultneamente varias medias poblacionales. La comparacin

simultnea de varias medias poblacionales se conoce como anlisis de varianza
(ANOVA). En ambas situaciones, las poblaciones deben ser normales y los datos
tener al menos la escala de intervalos.

Caractersticas de la distribucin F

- Existe una "familia" de distribuciones F. Un miembro especfico de la familia se
determina por dos parmetros: los grados de libertad en el numerador y en el
denominador . Existe una distribucin F para la combinacin de 29 grados de
libertad en el numerador y 28 grados en el denominador. Existe otra
distribucin F para 19 grados en el numerador y 6 en el denominador.

- La distribucin F es una distribucin continua.

- F no puede ser negativa

- La distribucin F tiene un sesgo positivo

- A medida que aumentan los valores, la curva se aproxima al eje x, pero nunca
lo toca

En este trabajo se abordara el tema de F Fisher esperando as cumplir con las
expectativas requeridas.asi tambin se presentaran de manera simultnea las
formulas utilizadas, las tablas a utilizar, con el fin de hacer ms fcil el
entendimiento del tema planteado.

ANLISIS DE VARIANZA

El anlisis de varianza, como tcnica de lo que trata es: si se est estudiando la
caracterstica cuyos valores dependen de varias clases de efectos que operan
simultneamente, poder decidir si tales efectos son debido al azar o si realmente
son diferentes.
Esta tcnica de lo que trata es de expresar una medida de la variacin total de un
conjunto de datos como una suma de trminos, que se pueden atribuir a fuentes o
causas especficas de variacin; pues bien esta descomposicin de la varianza
total se denomina: Identidad fundamental. Ella junto a la formacin del estadstico
de prueba, se refleja en una tabla llamada Tabla de Anlisis de Varianza, que
resume los principales aspectos tericos prcticos de la tcnica.

Hay un corolario que plantea que:
Si k poblaciones se unen y las varianzas de las k poblaciones son
iguales a o
2
se tiene que:
( )
2
1 2 2
n
N
i
k
i
i
T

o o

+ =

=
Por lo tanto si todas las medias son iguales entonces:
2 2
o o =
T
, mientras que si alguna es diferente, se puede concluir que
2 2
o o )
T

De modo que una comparacin de varianza puede conducir a una conclusin
sobre la igualdad de medias poblacionales.

El mtodo que se utiliza es a travs de los estimadores de o
2
.
Hay un Teorema que plantea que:
Si dos o ms muestras proceden de una misma poblacin o de diferentes
poblaciones, pero con igual varianza, entonces un estimador insesgado de o
2

podr obtenerse a travs de la siguiente expresin:
( ) ( ) insesgado estimador un es S E donde y y
k n
S
D
ni
j
i ij D
=
=

=
2 2
2
1
2
1
o
A esta varianza se le da el nombre de Varianza dentro del grupo.

Sera bueno comentar que esta varianza como es insesgada proporciona una
estimacin vlida de la varianza desconocida de la poblacin sin importarle si se
acepta o rechaza H
0
.

Hay otro Teorema, bajo las mismas condiciones que el anterior que plantea que
otro estimador de o
2
es:


( )
( )
( )
( )
( )
2 2
2
2
1 2 2 1
2
2
0
1 1
o

o

o
=
=
+ =
=

= =
E
i
k
i
i i
E
k
i
i i
E
S E la entonces
y que caso este en es que ya cierta nula hiptesis la bajo insesgado ser slo y
de sesgado estimador un es que lo por
k
n
S E su donde
k
y y n
S

Este estimador es conocido como varianza entre grupos.

Esta situacin que expresan estos estimadores se pudiera representar
grficamente de la siguiente forma:

Para H
0
cierta: Para H
0
falsa:
x
1 ________
x
1

x x

x
3
x
2
x
3
x
2
1 2 3 1 2 3
En este caso las x i no son iguales pero los elementos de las 3 poblaciones si casi
iguales sus valores estn cercanos

son muy diferentes y originan medias

muestrales muy diferentes.

Si estamos en caso de H
0
falsa, y se nos presenta esta situacin se diferencia en
la suma de cuadrado entre grupo esta diferencia, mientras que si estamos en el
caso de H
0
cierta la diferencia entre los grupos es mnima.
En el caso de la SC, dentro de los grupos lo que hace es comparar cada elemento
de la muestra con la media de su propio grupo, para una u otra conclusin de la
hiptesis nula, su clculo no se refleja, el valor es el mismo.
Como ya dijimos, el anlisis de varianza consiste en dividir la suma de cuadrado
total en dos fuentes de variacin y proceder al anlisis de las mismas, estas son la
variacin dentro del grupo y la variacin entre grupos. Como son variaciones la
vamos a expresar como sumas de cuadrados, es decir:

SC
T
= SC
D
+ SC
E

__ __ __ __
(Y
ij
- Y) = (Y
ij
- Y
i
) + (Y
i
Y)
Representando estas la variacin total que es igual a la variacin dentro del grupo
ms la variacin entre grupos, grficamente se representa de la siguiente forma:

_ .
y
ij -
y
i
.
. _
_ . y
ij
-y
y
1
.
_ _ .
y
i -
y . _
Y
.
_ .
y
2
.


Si elevamos al cuadrado ambos miembros, y sumamos por j e i, llegamos a la
Identidad Fundamental, planteada anteriormente.
( ) ( ) ( )
2
1 1 1
2
1 1
2

= = = = =
+ =
k
i
i i
k
i
ni
j
i ij
k
i
ni
j
ij
y y n y y y y
donde se considera:

Suma de Suma de Suma de
Cuadrado Cuadrado Cuadrado
Total Dentro del Grupo Entre Grupo
De la misma forma resulta de gran importancia en el Anlisis de varianza, la
relacin entre los grados de libertad (que ya se habl de ellos en el Tema
anterior).
Si se aplica el valor esperado en ambos miembros se obtienen, bajo el supuesto
de H
0
cierto de que, los grados de libertad asociados a estas sumas de cuadrados
sern:
(n 1) = (n k) + (k 1) Esto es,
Para la SC
T
, = para la SC
D
y para la SC
E

Si dividimos las Sumas de Cuadrados entre los grados de libertad, se obtendrn
los estimadores de o
2
planteados, es decir la varianza total
2
T
S la varianza dentro
del grupo
2
D
S , y la varianza entre grupo
2
E
S . Tambin estos cocientes se
denominan Cuadrados Medios.

1
2 2
= =
= =
k
SC
CM S
k n
SC
CM S
E
E E
D
D D

Debido a que el clculo de varianzas entre y dentro de grupos hay varios pasos,
se acostumbra a dar al grupo completo de resultados en una tabla conocida como
tabla de anlisis de varianza (ANOVA). Esta tabla incluye las fuentes de variacin,
las sumas de los cuadrados(es decir las variaciones), los grados de libertad, las
varianzas(es decir los cuadrados medios) y el valor del estadstico de prueba que
veremos ms adelante.

ANOVA

FUENTE DE
VARIACIN
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
CUADRADO
MEDIO

ESTADSTICO
ENTRE
GRUPO
( )
2
1
=

K
I
i i
y y n k 1
1 n
SC
E
F
0
=
2
2
D
E
S
S

( )
= =

k
i
ni
j
i ij
y y
1
2
1
n k
k n
SC
D

DENTRO DE
GRUPO
TOTAL
( )
= =

K
i
ni
j
ij
y y
1 1
2

N - 1

Aqu en este caso se utiliza como estadstico de prueba F
0
,

Por qu la
Distribucin F? . La distribucin a utilizar es la F de Fisher, que se basa en la
razn de 2 varianzas.
Con el fin de determinar si las medias de los diversos grupos son todas iguales, se
pueden examinar dos estimadores diferentes de la varianza de la poblacin. Uno
de los estimadores se basa en la suma de los cuadrados dentro de los grupos
(SC
D
); el otro se basa en la suma de los cuadrados entre los grupos (SC
E
). Si la
hiptesis nula es cierta, estos estimadores deben ser aproximadamente iguales; si
es falsa el estimador basado en la suma de los cuadrados entre grupos debe ser
mayor.
El estimado de la varianza entre los grupos no solo toma en cuenta las
fluctuaciones aleatorias de una observacin a otra, sino tambin mide las
diferencias de un grupo con otro. Si no hay diferencia de un grupo a otro, cualquier
diferencia en la media muestral se explicar por la variacin aleatoria, y la
varianza entre grupos, debe estar cerca de la varianza dentro de los grupos. Sin
embargo si en realidad hay una diferencia entre los grupos, la varianza entre
grupos ser significativamente mayor que la varianza dentro de los grupos.
Por todo lo anterior, la prueba estadstica se basa en la razn de estas dos
varianzas: CM
E
/CM
D
. Si la hiptesis nula es cierta, esta razn debe estar cercana
a uno; si la hiptesis nula es falsa entonces el numerador debe ser mayor que el
denominador y la razn debe ser mayor que uno

Como se aprecia el problema se reduce a buscar un valor a partir del cul el
estadstico de prueba resulte significativamente mayor que 1, y as se rechazar la
hiptesis de que no hay diferencias entre las medias de los grupos cuando la
razn entre las varianzas CM
E
/CM
D
> F
(1 o) ( k 1;n k)
De aqu se infiere que las hiptesis nula y alternativa que se plantearn sern las
siguientes:
H
0
:
1
=
2
= . . . =
k
H
1
: alguna
i
diferente
Es bueno sealar que estas hiptesis son equivalentes a decir:
( )
( )
1 :
2
2
0
=
D
E
S E
S E
H
( )
( )
1 :
2
2
1
)
D
E
S E
S E
H
Ya que como se vio anteriormente
2
E
S es un estimador sesgado de la VARIANZA y
slo ser insesgado si se cumple que H
0
es cierta, mientras que
2
D
S es un
estimador insesgado.
Adems es la razn por la cul la distribucin a utilizar es la F de Fisher, que no es
ms que la relacin entre 2 varianzas y siempre considerando, la regin crtica
hacia la derecha, ya que nuestro problema se reduce a buscar un valor a partir del
cul es estadstico de prueba resulte significativamente mayor que 1 y as
Rechazaremos H
0
a un nivel de significacino, si
( ) k n k
D
E
F
S
S

)
; 1
1
2
2
o

Antes de continuar queremos plantear que las frmulas de clculo de los
estimadores de las varianzas poblacionales conceptuales o por definicin son muy
tediosas, sin embargo hay para estos estimadores unas frmulas de clculos
abreviadas que son ms fciles.
SC
T
=

= = = = =
= = =
k
i
k
i
ij i
k
i
i
k
i
ni
j
ij
ni n donde y y T T T donde
n
T
y
1 1 1
2
1 1
2

SC
E
=
n
T
n
T
k
i
i
i
2
1
2
=


SC
D
=

= = =

k
i
i
i
k
i
ni
j
ij
n
T
y
1
2
1 1
2

Aunque se debe sealar que dado el carcter aditivo de estas varianzas, se
acostumbra a obtener la SC
D
por diferencia, es decir como:

SC
T
= SC
E
+ SC
D
se obtendra despejando: SC
D
= SC
T
- SC
E

Para aplicar esta tcnica es necesario que se cumplan ciertas suposiciones sobre
los datos investigados.
1.- Las caractersticas medibles se distribuyen normalmente en cada poblacin.
Esto es ( ) k i donde N Y
i i i
, 2 , 1 ;
2
= o
2.- Las varianzas de las k poblaciones son iguales:
2 2
2
2
1 k
o o o = = =
3.- Las caractersticas medibles son estadsticamente independientes, de una
poblacin a otra: Y
1
, Y
2
, ... , Yk.
4.- Las muestras n
1
, n
2
, ... ,n
k
de los k grupos poblacionales deben seleccionarse a
travs del M.A.S.

Vamos a ver un Ejemplo:
Los datos siguientes corresponden al Costo de Produccin de un producto
fabricado bajo tecnologas diferentes. Realice una prueba estadstica a un o= 0.05
para decidir si existen diferencias entre las tecnologas, que puedan afectar los
Costos.
Tecnologa Y
i j
n
i
T
i
T
i
2
T
i
2
/n
i
Y
2
i j
A 7 4 6 4 9 5 30 900 180 49 16 36 16 81 198
B 2 4 5 6 3 5 20 400 80 4 16 25 36 9 90
C 7 8 7 11 7 5 40 1600 320 49 64 49 121 49 332
15 90 580 620
Hay que tener en cuenta que el subndice i, representa las filas, y el j las
columnas.
Se prepara la tabla atendiendo a lo que se necesita a partir de las formulas
abreviadas planteadas, nicamente hay que tener en cuenta que los niveles se
deben planteara en el sentido de fila.

Resumiendo: n = 15; T = 90; k = 3; n
1
= n
2
= n
3
= 5
Luego:
n
T
Y SC
k
i
ni
j
ij T
2
1 1
2
=
= =
= 620 90
2
/15 = 620 8100/15 = 620 540 = 80

SC
E
=
n
T
n
T
k
i
i
i
2
1
2
=
= 580 540 = 40

SC
D
=

= = =

k
i
i
i
k
i
ni
j
ij
n
T
y
1
2
1 1
2
= 620 580 = 40 o tambin utilizando la identidad
fundamental y en ella se despeja SC
D,
esto es:

SC
T
= SC
D
+ SC
E
SC
D
= SC
T
SC
E
= 80 40 = 40
Y ya estamos en condiciones de plantear la tabla de anlisis de varianza, para el
clculo del estadstico de Prueba.
ANOVA
Fuente de
Variacin
Suma de
Cuadrado
Grados de
Libertad
Cuadrado
medio
Estadstico de
Prueba
Entre grupo
Dentro grupo
40
40
2
12
20
3.33
06 . 6
3 . 3
20
0
= = F
Total 80 14

H
0
:
3 2 1
= =
H
1
: alguna
i
diferente


o= 0.05

2
2
D
E
S
S
= 6.06
W:{
2
2
D
E
S
S
> F
1-o
(k 1; n k)
}= {
2
2
D
E
S
S
> F
o.95
(2, 12)
} = {
2
2
D
E
S
S
> 3.89 }

RR

3.89
R:D:/ Rechazo H
0
F
0
> 3.89
No Rechazo H
0
F
0
s 3.89
D/ F
0
= 6.06 > 3.89 Rechazo H
0
que aceptamos H
1
lo que nos indica que
existen diferencias significativas entre los costos de produccin para por lo menos
una tecnologa a un o = 0.05
Si quisiramos saber cual o cuales tecnologas son diferentes se pudiera
completar el anlisis con una prueba TStudent de diferencia de media, probando
dos a dos dichas tecnologas.
Esta prueba de la homogeneidad de las varianzas fue desarrollada por Barttlet, y
se basa en el clculo de un cociente, el cul se denota por M/C.

se utiliza para comprobar uno de los supuestos del anlisis de varianza, si se
quiere, el ms importante, que es el de varianza constante(conocido por
Homocedasticidad)
As las hiptesis a plantear seran:
H
0:
2 2
2
2
1 k
o o o = = =
H
1
: alguna
2
i
o diferente
Y el estadstico de prueba ser el cociente M/C que es un estadstico que mide la
variabilidad entre las varianzas muestrales ya que:
( ) ( )
2
1
2
ln 1 ln
i
k
i
i D
S n S k n M

=
= Donde
( )
k n
S n
S
k
i
i i
D
=

=1
2
2
1
y
( )
2
1 2
1
=

=
i
k
i
i j i
i
n
Y Y
S
Se puede observar que si las
2
i
S difieren poco entre s el valor de M, ser pequeo
y si suponemos que la
2
i
S son iguales, entonces M tomar el valor cero.
Demostracin:
( ) ( )
2
1
2
ln 1 ln
i
k
i
i D
S n S k n M

=
= si
2
i
S son iguales, entonces se trata como una
constante y se saca fuera de la sumatoria.
( )
( )
( )
=
=

=
k
i
i i
k
i
i i
n S
k n
n S
k n M
1
2 1
2
1 ln
1
ln
Como ( ) k n n
k
i
i
=
01
1
M=(n k)
( )
( )
( ) k n S
k n
k n S
i
i

2
2
ln
ln

M= (n- k) ln
2
i
S - (ln
2
i
S ) n- k
M = 0

Veamos el clculo del estadstico de Prueba: M/C
M = 1 +
( )
)
`

=
k
i
i
k n n k
1
1
1
1
1 3
1

Barttlet demostr que el estadstico M sigue aproximadamente una distribucin _
2
,
con k-1 grados de libertad para (n
i
1) > 4, y se divide entre una cantidad C, como
la planteada anteriormente; el cociente mejora la aproximacin, y es ms preciso
que si utilizramos solamente M.
La expresin de M, puede transformarse para trabajar con logaritmos comunes.
M = 2.3026 ( ) { } ( )
2
10
1
2
10
log 1 log
i
k
i
i D
S n S k n

=
se debe aclarar que se puede
aplicar tanto logaritmo comunes como naturales.
La regin crtica estar dada por:
( )
{ }
1 2
1
/ :

)
k
C M W
o
_ que grficamente quedar representada de la siguiente
forma:

o

R no R. RR

) 1 (
2
1

k
o
_

A continuacin vamos a comprobar este supuesto de varianza constantes o
iguales en el ejemplo que se desarrollo en la conferencia anterior.
Comencemos calculando las varianzas:
2
i
S
, para ello es necesario primeramente
hallar las medias de cada grupo:

6
15
90
8
5
40
4
5
20
6
5
30
3
3
3
2
2
2
1
1
1
= = = = = = = = = = = =
n
T
Y
n
T
Y
n
T
Y
n
T
Y

Ya que
( )
1
2
1 2
=

=
i
k
i
i
n
Yi j Yi
S
5 . 4
4
18
4
9 4 0 4 1
4
) 6 9 ( ) 6 4 ( ) 6 6 ( ) 6 4 ( ) 6 7 (
2 2 2 2 2
2
1
= =
+ + + +
=
+ + + +
= S
5 . 2
4
10
4
1 4 1 0 4
4
) 4 3 ( ) 4 6 ( ) 4 5 ( ) 4 4 ( ) 4 2 (
2 2 2 2 2
2
2
= =
+ + + +
=
+ + + +
= S
3
4
12
4
1 9 1 0 1
4
) 8 7 ( ) 8 11 ( ) 8 7 ( ) 8 8 ( ) 8 7 (
2 2 2 2 2
2
3
= =
+ + + +
=
+ + + +
= S
33 . 3
12
) 10 ( 4
12
) 3 5 . 2 5 . 4 ( 4
) 1 (
1
2
2
= =
+ +
=
=

=
k n
S ni
S
k
i
i
D

Ya estamos en condiciones de plantear los elementos que hacen falta para
determinar M
Poblacin ni
2
i
S ln
2
i
S (ni 1) ln
2
i
S
1 5 4.5 1.50408 6.01632
2 5 2.5 0.91629 3.66516
3 5 3 1.09861 4.39444
14.07592

ln
2
D
S = ln 3.33 = 1.20297
M = (n k) ln
2
D
S -
=

k
i
i
S ni
1
2
ln ) 1 (
M = 12(1.20297) 14.07592
= 14.43564 14.07592
= 0.35972

C=
( )
11 . 1
72
8
1
2
1
4
3
6
1
1
2
1
4
1
4
1
4
1
6
1
1
1
1
1
1 3
1
1
1
1
= + =
)
`
+ =
)
`
|
.
|
\
|
+ + + =
)
`

+

=
k
i
k n n k

M/C = 0.35972/1.11 = 0.323

Ya estamos en condiciones de plantear la prueba, ya que calculamos el
estadstico de prueba.
H
0
:
2
3
2
2
2
1
o o o = =
H
1
: alguna
2
i
o diferente
o = 0.05
M/C _
2
(1-o)
k-1
W: {M/C > _
2
(1-o)
k-1
} = {M/C > 5.99 }
R:D:/ Rechazo H
0
M/C > 5.99
No Rechazo H
0
M/C s 5.99
D/ . M/C = 0.323 < 5.99 No Rechazo H
0
:
2
3
2
2
2
1
o o o = = a un o = 0.05

UTILIDAD
Esta distribucin de probabilidad se usa en estadstica como prueba en varias
situaciones. Se emplea para probar si dos muestras provienen de poblaciones que
poseen varianzas iguales. Esta prueba es til para determinar si una poblacin
normal tiene una mayor variacin que la otra y tambin se aplica cuando se trata
de comparar simultneamente varias medias poblacionales. La comparacin
simultnea de varias medias poblacionales se conoce como anlisis de varianza
(ANOVA). En ambas situaciones, las poblaciones deben ser normales y los datos
tener al menos la escala de intervalos.


TABLA DE DISTRIBUCIN F DE FISHER CON PROBABILIDAD DE 0.05

1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 50
1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88 243.90 245.95 248.02 249.05 250.10 251.14 251.77
2 18.513 19.000 19.164 19.247 19.296 19.329 19.353 19.371 19.385 19.396 19.412 19.429 19.446 19.454 19.463 19.471 19.476
3 10.128 9.552 9.277 9.117 9.013 8.941 8.887 8.845 8.812 8.785 8.745 8.703 8.660 8.638 8.617 8.594 8.581
4 7.709 6.944 6.591 6.388 6.256 6.163 6.094 6.041 5.999 5.964 5.912 5.858 5.803 5.774 5.746 5.717 5.699
5 6.608 5.786 5.409 5.192 5.050 4.950 4.876 4.818 4.772 4.735 4.678 4.619 4.558 4.527 4.496 4.464 4.444
6 5.987 5.143 4.757 4.534 4.387 4.284 4.207 4.147 4.099 4.060 4.000 3.938 3.874 3.841 3.808 3.774 3.754
7 5.591 4.737 4.347 4.120 3.972 3.866 3.787 3.726 3.677 3.637 3.575 3.511 3.445 3.410 3.376 3.340 3.319
8 5.318 4.459 4.066 3.838 3.688 3.581 3.500 3.438 3.388 3.347 3.284 3.218 3.150 3.115 3.079 3.043 3.020
9 5.117 4.256 3.863 3.633 3.482 3.374 3.293 3.230 3.179 3.137 3.073 3.006 2.936 2.900 2.864 2.826 2.803
10 4.965 4.103 3.708 3.478 3.326 3.217 3.135 3.072 3.020 2.978 2.913 2.845 2.774 2.737 2.700 2.661 2.637
11 4.844 3.982 3.587 3.357 3.204 3.095 3.012 2.948 2.896 2.854 2.788 2.719 2.646 2.609 2.570 2.531 2.507
12 4.747 3.885 3.490 3.259 3.106 2.996 2.913 2.849 2.796 2.753 2.687 2.617 2.544 2.505 2.466 2.426 2.401
13 4.667 3.806 3.411 3.179 3.025 2.915 2.832 2.767 2.714 2.671 2.604 2.533 2.459 2.420 2.380 2.339 2.314
14 4.600 3.739 3.344 3.112 2.958 2.848 2.764 2.699 2.646 2.602 2.534 2.463 2.388 2.349 2.308 2.266 2.241
15 4.543 3.682 3.287 3.056 2.901 2.790 2.707 2.641 2.588 2.544 2.475 2.403 2.328 2.288 2.247 2.204 2.178
16 4.494 3.634 3.239 3.007 2.852 2.741 2.657 2.591 2.538 2.494 2.425 2.352 2.276 2.235 2.194 2.151 2.124
17 4.451 3.592 3.197 2.965 2.810 2.699 2.614 2.548 2.494 2.450 2.381 2.308 2.230 2.190 2.148 2.104 2.077
18 4.414 3.555 3.160 2.928 2.773 2.661 2.577 2.510 2.456 2.412 2.342 2.269 2.191 2.150 2.107 2.063 2.035
19 4.381 3.522 3.127 2.895 2.740 2.628 2.544 2.477 2.423 2.378 2.308 2.234 2.155 2.114 2.071 2.026 1.999
20 4.351 3.493 3.098 2.866 2.711 2.599 2.514 2.447 2.393 2.348 2.278 2.203 2.124 2.082 2.039 1.994 1.966
21 4.325 3.467 3.072 2.840 2.685 2.573 2.488 2.420 2.366 2.321 2.250 2.176 2.096 2.054 2.010 1.965 1.936
22 4.301 3.443 3.049 2.817 2.661 2.549 2.464 2.397 2.342 2.297 2.226 2.151 2.071 2.028 1.984 1.938 1.909
23 4.279 3.422 3.028 2.796 2.640 2.528 2.442 2.375 2.320 2.275 2.204 2.128 2.048 2.005 1.961 1.914 1.885
24 4.260 3.403 3.009 2.776 2.621 2.508 2.423 2.355 2.300 2.255 2.183 2.108 2.027 1.984 1.939 1.892 1.863
25 4.242 3.385 2.991 2.759 2.603 2.490 2.405 2.337 2.282 2.236 2.165 2.089 2.007 1.964 1.919 1.872 1.842
26 4.225 3.369 2.975 2.743 2.587 2.474 2.388 2.321 2.265 2.220 2.148 2.072 1.990 1.946 1.901 1.853 1.823
27 4.210 3.354 2.960 2.728 2.572 2.459 2.373 2.305 2.250 2.204 2.132 2.056 1.974 1.930 1.884 1.836 1.806
28 4.196 3.340 2.947 2.714 2.558 2.445 2.359 2.291 2.236 2.190 2.118 2.041 1.959 1.915 1.869 1.820 1.790
29 4.183 3.328 2.934 2.701 2.545 2.432 2.346 2.278 2.223 2.177 2.104 2.027 1.945 1.901 1.854 1.806 1.775
30 4.171 3.316 2.922 2.690 2.534 2.421 2.334 2.266 2.211 2.165 2.092 2.015 1.932 1.887 1.841 1.792 1.761
35 4.121 3.267 2.874 2.641 2.485 2.372 2.285 2.217 2.161 2.114 2.041 1.963 1.878 1.833 1.786 1.735 1.703
40 4.085 3.232 2.839 2.606 2.449 2.336 2.249 2.180 2.124 2.077 2.003 1.924 1.839 1.793 1.744 1.693 1.660
45 4.057 3.204 2.812 2.579 2.422 2.308 2.221 2.152 2.096 2.049 1.974 1.895 1.808 1.762 1.713 1.660 1.626
50 4.034 3.183 2.790 2.557 2.400 2.286 2.199 2.130 2.073 2.026 1.952 1.871 1.784 1.737 1.687 1.634 1.599
60 4.001 3.150 2.758 2.525 2.368 2.254 2.167 2.097 2.040 1.993 1.917 1.836 1.748 1.700 1.649 1.594 1.559
70 3.978 3.128 2.736 2.503 2.346 2.231 2.143 2.074 2.017 1.969 1.893 1.812 1.722 1.674 1.622 1.566 1.530
80 3.960 3.111 2.719 2.486 2.329 2.214 2.126 2.056 1.999 1.951 1.875 1.793 1.703 1.654 1.602 1.545 1.508
90 3.947 3.098 2.706 2.473 2.316 2.201 2.113 2.043 1.986 1.938 1.861 1.779 1.688 1.639 1.586 1.528 1.491
100 3.936 3.087 2.696 2.463 2.305 2.191 2.103 2.032 1.975 1.927 1.850 1.768 1.676 1.627 1.573 1.515 1.477
120 3.920 3.072 2.680 2.447 2.290 2.175 2.087 2.016 1.959 1.910 1.834 1.750 1.659 1.608 1.554 1.495 1.457

Ejemplos :
1. Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 con =4 y =9.
b. El rea a la izquierda de F, es de 0.95 con =15 y =10.
c. El rea a la derecha de F es de 0.95 con con =6 y =8.
o. El rea a la izquierda de F, es de 0.10 con con =24 y
=24
Solucin:
a. Como el rea que da la tabla es de cero a Fisher, se tiene que localizar
primero los grados de libertad dos que son 9, luego un rea de 0.75 con 4
grados de libertad uno.

b. En este caso se puede buscar el rea de 0.95 directamente en la tabla con
sus respectivos grados de libertad.

c. Se tiene que buscar en la tabla un rea de 0.05, puesto que nos piden un
rea a la derecha de F de 0.95.

d. Se busca directamente el rea de 0.10, con sus respectivos grados de
libertad.

2. Si s
1
2
y s
2
2
son las varianzas muestrales de muestras aleatorias
independientes de tamaos n
1
=10 y n
2
=20, tomadas de poblaciones
normales que tienen las mismas varianzas, encuentre P(s
1
2
/s
2
2
2.42).
Solucin:
Primero se establecen los grados de libertad. Como en el numerador est la
poblacin uno y en el denominador la poblacin dos, entonces los grados
de libertad uno equivalen a 10-1=9 y los grados de libertad dos a 20-1=19.
Se procede a ir a la tabla a buscar los grados de libertad dos que son 19 y
se observa que no estn, por lo tanto se tiene que interpolar entre 15 y 20
grados de libertad, buscando el valor de fisher que quedara:

Este valor de 2.42 se busca en la columna de 9 grados de libertad uno, con
15 grados de libertad dos, y se encuentra los siguiente:

Area

0.90 2.09
0.95 2.59
Al interpolar entre estos dos valores nos queda un rea de 0.933.
Se procede a hacer lo mismo pero con 20 grados de libertad dos:
Area

0.95 2.39
0.975 2.84
Al interpolar entre estos dos valores nos queda un rea de 0.9516.
Ahora ya se tienen las dos reas referentes a los grados de libertad dos,
por lo que se interpolar para ver cunto le corresponde a los grados
libertad dos con un valor de 19.

Area
15 0.933
20 0.9516
Al interpolar nos queda que para 9 grados de libertad uno y 19 grados de
libertad dos con un valor de Fisher de 2.42 el rea a la izquierda es de
0.9478.


3. Si s
1
2
y s
2
2
representan las varianzas de las muestras aleatorias
independientes de tamao n
1
= 25 y n
2
= 31, tomadas de poblaciones
normales con varianzas
1
2
=10 y
2
2
= 15, respectivamente, encuentre P(s
1
2
/s
2
2
> 1.26).
Solucin:
Calcular el valor de Fisher:

Luego se va a la tabla de Fisher a buscar 30 grados de libertad 2 con 24 grados
de libertad uno. Cuando se este en esta posicin se busca adentro de la tabla el
valor de Fisher de 1.89. Al localizarlo y ver a la izquierda de este valor se obtiene
un rea de 0.95, pero esta rea correspondera a la probabilidad de que las
relaciones de varianzas muestrales fueran menor a 1.26, por lo que se calcula su
complemento que sera 0.05, siendo esta la probabilidad de que s
1
2
/s
2
2
> 1.26.

Intervalo de Confianza para el Cociente de Varianzas de Dos Distribuciones Normales
Supngase que se tienen dos poblaciones normales e independientes con
varianzas desconocidas
1
2
y
2
2
, respectivamente. De este par de
poblaciones, se tienen disponibles dos muestras aleatorias de tamaos n
1
y n
2
,
respectivamente, sean s
1
2
y s
2
2
las dos varianzas muestrales. Se desea conocer
un intervalo de confianza del 100( ) por ciento para el cociente de las dos
varianzas,
1
2
/
2
2
.
Para construir el intervalo de confianza para el cociente de dos varianzas
poblacionales, se coloca la varianza muestral mayor en el numerador del
estadstico F.
Ejemplos:

4. Un fabricante de automviles pone a prueba dos nuevos mtodos de
ensamblaje de motores respecto al tiempo en minutos. Los resultados se
muestran en la tabla:
Mtodo 1 Mtodo 2
n
1
= 31 n
2
= 25
s
1
2
= 50 s
2
2
= 24
Construya un intervalo de confianza del 90% para
1
2
/
2
2
.
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el
numerador se tiene la siguiente frmula:

al despejar: .
F toma dos valores dependiendo del nivel de confianza y de los grados de
libertad. En este caso los grados de libertad uno valen 30 y los grados de
libertad dos 24.

y


Estos resultados los podemos interpretar de la siguiente manera:
Con un nivel de confianza del 90% se sabe que la relacin de varianzas
1
2
/
2
2
esta entre 1.07 y 3.93. Esto supondra que la varianza de la
poblacin 1 es mayor a la varianza de la poblacin 2 entre 1.07 y 3.93.
5. Una compaa fabrica propulsores para uso en motores de turbina. Al
ingeniero de manufactura le gustara seleccionar el proceso que tenga la
menor variabilidad en la rugosidad de la superficie. Para ello toma una
muestra de n
1
=16 partes del primer proceso, la cual tiene una desviacin
estndar s
1
= 4.7 micropulgadas, y una muestra aleatoria de n
2
=12 partes
del segundo proceso, la cual tiene una desviacin estndar s
2
= 5.1
micropulgadas. Se desea encontrar un intervalo de confianza del 90% para
el cociente de las dos varianzas
1
2
/
2
2
. Suponga que los dos procesos
son independientes y que la rugosidad de la superficie est distribuida de
manera normal.
Solucin:
Por la recomendacin de que la varianza muestral mayor va en el numerador se
tiene la siguiente frmula:

al despejar: .
En este caso los grados de libertad uno valen 11 y los grados de libertad dos 15.

y
Estos resultados los podemos interpretar de la siguiente manera:

Puesto que este intervalo de confianza incluye a la unidad, no es posible afirmar
que las

desviaciones estndar de la rugosidad de la superficie de los dos procesos sean
diferentes con un nivel de confianza del 90%.

PROBLEMAS PROPUESTOS DE LA DISTRIBUCIN F

1. Si tomamos dos muestras independientes de tamao n
1
=6 y n
2
= 10 de dos poblaciones
normales con la misma varianza poblacional, encuentre un nmero b tal que:
P (

2. Si S
1
y S
2
son las varianzas de muestras aleatorias independientes de tamao n
1
= 61
y n
2
=31 de poblaciones normales con o
2
1
= 12 y o
2
2
= 18, determine la
probabilidad
P ( )

3. Obtenga o calcule las siguientes cantidades.
a) F
.05, 5,8
b) F
.05, 8, 5
c) F
.95, 8, 5

4. P (F s 6.16) para v
1
= 6, v
2
= 4

5. P ( 1.77 s F s 4.74 ) para v
1
= 10, v
2
= 5

6. Si S
1
y S
2
1
= 25
y n
2
2
1
= o
2
2
, determine la probabilidad
P ( )
7. Si S
1
y S
2
1
= 8
y n
2
2
1
= o
2
2
P ( )
8. Si S
1
y S
2
1
= 25
y n
2
2
1
= 10 y o
2
2 = 31
95 . 0 )
2
2
2
1
= s b
S
S
16 . 1
2
2
2
1
>
S
S
0 . 1
2
2
2
1
>
S
S
89 . 4
2
2
2
1
>
S
S

P ( )
9. Si S
1
y S
2
1
= 8 y
n
2
2
1
= o
2
2
P ( )

10. En una prueba sobre efectividad de dos tipos distintos de pldoras para dormir, A y B,
se utilizarn dos grupos independientes de personas con insomnio. A un grupo de
tamao 40 se le administrar la pldora A y al otro grupo, de tamao 60, se le
administrar la B, registrndose el nmero de horas de sueo de cada individuo
participante en el estudio. Si se supone que el nmero de horas de sueo de quienes
usan cada tipo de pldora se distribuye normalmente con o
2
1
= o
2
2. Determine la probabilidad

P ( )

11. Lisa Monnin es directora de presupuesto en la empresa New Process Company, desea
comparar los gastos diarios de transporte del equipo de ventas y del personal de
cobranza. Recopil la siguiente informacin muestral ( importe en dlares).
Ventas ($) 131 135 146 165 136 142
Cobranza ($) 130 102 129 143 149 120 139
Al nivel de significancia de 0,10, puede concluirse que los gastos medios diarios del equipo
de ventas son mayores? cul es el valor p?

26 . 1
2
2
2
1
>
S
S
82 . 4
2
2
2
1
<
S
S
93 . 1
2
2
2
1
<
S
S

12. De una poblacin se toma una muestra de 40 observaciones. La media muestral es de
102 y la desviacin estndar 5. De otra poblacin se toma una muestra de 50
observaciones. La media mustral es ahora 99 y la desviacin estndar es 6. Realice la
siguiente prueba de hiptesis usando como nivel de significancia 0,04.
Ho: u1 = u2
Ho: u1 u2
a) Es esta una prueba de una o de dos colas?
b ) Establezca la regla de decisin
c) Calcule el valor del estadstico de prueba
d) Cul es su decisin respecto a la hiptesis nula?
e) Cul es el valor p?

13. Una empresa que se dedica a hacer en cuestas se queja de que un agente realiza en
promedio 53 encuestas por semana. Se ha introducido una forma ms moderna de
realizar las encuetas y la empresa quiere evaluar su efectividad. Los nmeros de
encuestas realizadas en una semana por una muestra aleatoria de agentes son:
53 57 50 55 58 54 60 52 59 62 60 60 51 59
56
En el nivel de significancia 0,05, puede concluirse que la cantidad media de entrevistas
realizadas por los agentes es superior a 53 por semana? Evale el valor p.


FUENTE
http://www.itch.edu.mx/academic/industrial/estadistica1/cap03c.html
http://es.wikipedia.org/wiki/Prueba_F_de_Fisher
http://www.itchihuahuaii.edu.mx/academico/CB/MEG/documentos/1.9.htm
http://dcb.fi-c.unam.mx/profesores/irene/Notas/tablas/Fisher.pdf
http://www.fec.uh.cu/estadisticam2/guia/Tema%20II%20PlanCEMII.doc

Planteamientodehipotesis Ffisher 100513023741 Phpapp02

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Planteamientodehipotesis Ffisher 100513023741 Phpapp02

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTADISTICA INFERENCIAL

Planteamiento de Hiptesis en ms de dos Poblaciones. Anlisis de Varianzas. Fisher

Anda mungkin juga menyukai