Actividad 16

Distribuciones muestrales para la varianza

En muchas reas tales como produccin, mercadotecnia, economa, etc. se desea comparar la
media de 2 variables aleatorias, tales como:

El efecto que se obtuvo en dos programas de ventas distintos (mercadotecnia).

En una lnea de produccin se aplican 2 formas de operarla distintas y se desean comparar

resultados (produccin).

Se desea comparar el ndice Nacional de Precios al Consumidor (INPC) de un ao con otro

ao (economa).

Para poder realizar o llevar a cabo este comparativo, se utiliza la distribucin muestral para la
diferencia de medias.
Distribucin muestral para la diferencia de medias
Supongamos que se tienen 2 poblaciones distintas y que se sabe que la primera poblacin tiene
una media poblacional 1 y una desviacin estndar 1 y que la segunda poblacin tiene una
media poblacional 2 y una desviacin estndar 2, y adems se sabe que X 1 es la media
muestral calculada utilizando una muestra de tamao n1 > 30 extrada de manear aleatoria de la
primer poblacin y que X 2 es la media muestral calculada a partir de una muestra n2 > 30
extrada tambin de forma aleatoria de la segunda poblacin. En base al teorema del lmite
central las distribuciones muestrales de las medias X 1 y X 2 se aproximan a una distribucin
normal con media 1 y 2 y desviacin estndar

X
1

n1

X
2

respectivamente.

n2

Esta aproximacin mejora a medida que n1 y n2 se incrementan.

Con lo que acabamos de mencionar, podemos concluir: Si se obtienen de manera aleatoria e
independiente dos muestras, una de tamao n1 de la primer poblacin con media 1 y desviacin
estndar 1 y otra muestra de tamao n2 de la segunda poblacin con media 2 y desviacin
estndar 2. Entonces la distribucin muestral para la diferencia de medias X 1 X 2 est
distribuida aproximadamente en forma normal con media
estndar

X X
1

12
n1

22
n2

Aplicando la frmula de la variable estandarizada

X X 1 2
1

y desviacin

Donde:
X = Es la variable aleatoria que se va a estudiar.
= Es la media de la distribucin normal correspondiente a la variable aleatoria.
= Es la desviacin estndar de la distribucin normal correspondiente a la variable aleatoria.
Tenemos:

Z
Z

X 2 X1 X 2

X X

X 2 1 2

12
n1

22
n2

Donde:

X1 X 2 = Variable aleatoria, Diferencia de medias muestrales

1 = Media de la Poblacin 1.
2 = Media de la Poblacin 2.
1 = Desviacin estndar de la poblacin 1 (o varianza muestral en caso de que n1 > 30).
2 = Desviacin estndar de la poblacin 2 (o varianza muestral en caso de que n2 > 30).

n1 = Tamao de la muestra extrada de la poblacin 1 (n1 > 30).

n2 = Tamao de la muestra extrada de la poblacin 2 (n2 > 30).
La aproximacin a la normal de la distribucin muestral para la diferencia de medias se cumple
siempre y cuando la aproximacin a la normal de las distribuciones muestrales de las medias
X 1 y X 2 lo cumplan.

La grfica de la distribucin muestral para la diferencia de medias tiene las mismas propiedades
que la grfica de la normal estndar. Se utilizan las mismas tablas.
Ejemplo 1.
Uno de los principales fabricantes de pelculas en DVD compra los DVD vrgenes a dos
compaas. Los DVD de la compaa A tienen una vida media de 7.2 aos con una desviacin
estndar de 0.8 aos, mientras que los de la compaa B tienen una vida media de 6.7 aos con
una desviacin estndar de 0.7. Determine la probabilidad de que una muestra aleatoria de 34

DVDs de la compaa A tenga una vida promedio de al menos un ao ms que la de una

muestra aleatoria de 40 DVDs de la compaa B.
Datos de la compaa A
A =7.2
A = 0.8

nA = 34 (n1 > 30).

Datos de la compaa B
B = 6.7
B = 0.7

nB = 40 (n2 > 30).

Como se desea conocer la probabilidad de que una muestra aleatoria de 34 DVDs de la
compaa A tenga una vida promedio de al menos un ao ms que la de una muestra aleatoria
de 40 DVDs de la compaa B, se tiene que calcular P( X 1 X 2 > 1).
Aplicando la frmula de la estandarizacin, tenemos

P( X1 X 2 1) P(Z Z1 )
Donde
Z1 se calcula utilizando los datos, entonces

Z1

X 2 1 2

12
n1

Z1

22
n2

1 7.2 6.8

Z1

(0.8) 2 (0.7) 2

34
40
1 0.5

0.64 0.49

34
40
0.5
Z1
0.0188 0.0123
0.5
Z1
0.0311
0.5
Z1
0.1764
Z1 2.83
Entonces P( X1 X 2 1) P(Z 2.83)

Utilizando las tablas de la normal estandarizada

obtenemos que para P( Z 2.83) = 0.9977 y
sabemos que

P( Z 2.83) 1 P( Z 2.83); y como

P( X 1 X 2 1) P( Z 2.83)

entonces

P( X 1 X 2 1) 1 P( Z 2.83)
P( X 1 X 2 1) 1 0.9977
P( X 1 X 2 1) 0.0023
P( X 1 X 2 1) 0.23%
Por lo tanto, la probabilidad de que una muestra aleatoria de 34 DVDs de la compaa A tenga
una vida promedio de al menos un ao ms que la de una muestra aleatoria de 40 DVDs de la
compaa B es 0.0023 o bien 0.23%.
Ejemplo 2.
Una importante ensambladora de autos ubicada en el Edo. de Puebla utiliza 2 tipos diferentes de
neumticos. Si se sabe que el tiempo de vida til del neumtico del Tipo 1 tiene una media de
60 000 kms. con una desviacin estndar de 7 500 kms. y que el tiempo de vida til del
neumtico Tipo 2 tiene una media de 63 000 kms con una desviacin estndar de 8 700 kms.
Si se toma de manera aleatoria una muestra de 35 neumticos del tipo 1 y 38 neumticos del
tipo 2. Determina.
a. Cul es la probabilidad de que los neumticos del Tipo 1 tengan un tiempo de vida de a lo
mas 3 000 kms que los neumticos del Tipo 2?
b. Cul es la probabilidad de que la diferencia de los tiempos de vidas se encuentre entre
2 000 kms y 3 000 kms.?
Solucin:
Datos de los neumticos Tipo 1
1 = 60 000
1 = 7 500

n1 = 35 (n1 > 30).

Datos de los neumticos Tipo 2
2 = 63 000
2 = 8 700

n2 = 38 (n2 > 30).

a. Como se desea conocer la probabilidad de que los neumticos del Tipo 1 tengan un tiempo
de vida de a lo mas 3 000 kms que los neumticos del Tipo 2, se tiene que calcular

P( X1 X 2 3000)
Aplicando la frmula de la estandarizacin, tenemos

P( X1 X 2 3000) P(Z Z1 )

Donde
Z1 se calcula utilizando los datos, entonces

Z1

X 2 1 2

12
n1

Z1

Z1

22
n2

3, 000 60, 000 63, 000

(7,500) 2 (8, 700) 2

35
38
3, 000 3, 000

56; 250, 000 75;690, 000

35
38
6, 000
Z1
1;607,142.86 1;991,842.11
Z1

6, 000
3;598,984.96

6, 000
1897.1
Z1 3.16
Z1

Entonces

P( X1 X 2 3,000) P(Z 3.16)

Utilizando las tablas de la normal estandarizada
obtenemos que para P( Z 3.16) = 0.9992 y
como sabemos que

P( X 1 X 2 3, 000) P( Z 3.16)

entonces

P( X 1 X 2 3, 000) 0.9992
P( X 1 X 2 3, 000) 99.92%

Por lo tanto, la probabilidad de que los 35 neumticos del Tipo 1 tengan un tiempo de vida de a
lo mas 3 000 kms que los 38 neumticos del Tipo 2 es 0.9992 o bien 99.92%.
b. Como se desea conocer la probabilidad de que la diferencia de los tiempos de vidas se
encuentre entre 2 000 kms y 3 000 kms, se tiene que calcular

P(2,000 X1 X 2 3,000)
Aplicando la frmula de la estandarizacin, tenemos

P(2,000 X1 X 2 3000) P(Z0 Z Z1 )

Donde
Z0 se calcula utilizando los datos y el Lmite inferior de la desigualdad y Z1 se calcula utilizando
los datos y el Lmite superior de la desigualdad, entonces:

Z0

X 2 1 2

12
n1

Z0

Z0

22

2, 000 60, 000 63, 000

(7,500) 2 (8, 700) 2

35
38
2, 000 3, 000

5, 000
3;598,984.96

5, 000
1897.1
Z 0 2.64
Z0

X 2 1 2

12

n2

56; 250, 000 75;690, 000

35
38
5, 000
Z0
1;607,142.86 1;991,842.11
Z0

Z1

n1
Z1

22
n2

3, 000 60, 000 63, 000

(7,500) 2 (8, 700) 2

35
38
3, 000 3, 000

Z1

56; 250, 000 75;690, 000

35
38
6, 000
Z1
1;607,142.86 1;991,842.11
Z1

6, 000
3;598,984.96

6, 000
1897.1
Z1 3.16

Z1

Entonces P(2,000 X1 X 2 3,000) P(2.64 Z 3.16)

Utilizando las tablas de la normal estandarizada obtenemos
que para P( Z 3.16) = 0.9992 y P( Z 2.64) =0.9959.
Observando la grfica, podemos deducir que

P(2, 000 X 1 X 2 3, 000) P( Z 3.16) P( Z 2.64)

P(2, 000 X 1 X 2 3, 000) 0.9992 0.9959
P(2, 000 X 1 X 2 3, 000) 0.0033
P(2, 000 X 1 X 2 3, 000) 0.33%

Por lo tanto, conocer la probabilidad de que la diferencia de los tiempos de vidas se encuentre
entre 2 000 kms y 3 000 kms es 0.0033 o bien 0.33%.

Distribucin muestral para la diferencias de medias con n1 < 30 y/o n2 < 30

Existen casos en los que se desea estimar la diferencia de medias de 2 poblaciones la
cual cuenta con muestras pequeas (n1 < 30 y/o n2 < 30) y la desviaciones estndar
de las poblaciones no se conocen.
Para estimar la diferencia de medias poblacionales con muestras pequeas se puede recurrir al
uso de la distribucin t-Student o distribucin t, que resulta til cuando se trabaja con
muestras pequeas y se sabe que la distribuciones de los datos es normal y se desconocen las
desviaciones estndar poblacionales, las frmulas a utilizar son

X
t

X 2 1 2
Sp

1 1

n1 n2

Sp

n1 1 s12 n2 1 s22
n1 n2 2

Donde:

X1 X 2 = Variable Aletoria, Diferencia de medias muestrales

1 = Media de la Poblacin 1.
2 = Media de la Poblacin 2.
Sp = Desviacin estndar ponderada.
s1 = Desviacin estndar de la muestra 1.
s2 = Desviacin estndar de la muestra 2.

n1 = Tamao de la muestra extrada de la poblacin 1.

n2 = Tamao de la muestra extrada de la poblacin 2.

La grfica de la distribucin muestral para la diferencia de medias con muestras pequeas y

desviaciones poblacionales desconocidas tiene las mismas propiedades que la grfica de la
distribucin t-student. Se usa la misma tabla de la t, pero en este caso los grados de libertad se
calculan como = grados de libertad = n1 + n2 - 2.

Ejemplo 3.
Una empresa fabricante de focos compra 2 tipos de resistencias, a la compaa A le compra un
tipo de resistencia en la que se sabe que tienen un tiempo promedio de vida igual a 90 das, a la
compaa B le compra el otro tipo de resistencia en la que se sabe que tienen un tiempo
promedio de vida igual a 72 das. Si se toma una muestra de 15 resistencias de los comprados en
la compaa A con una desviacin estndar de 15 das y se toma una muestra de 10 resistencias
de los comprados en la compaa B con una desviacin estndar de 45 das. Determine:
a) La probabilidad de que las resistencias de la compaa A tenga una vida promedio de al
menos 30 ms que los de la compaa B.
b) La probabilidad de que la diferencia de los tiempos promedios, se encuentre entre 20 y 25
das.
Solucin:
Datos de la compaa A
1 = 90

n1 = 15 (n1 < 30).

s1 = 15
Datos de la compaa B
2 = 72

n2 = 10 (n2 < 30).

s2 = 10
a. Como se desea determinar la probabilidad de que las resistencias de la compaa A tenga
una vida promedio de al menos 30 ms que los de la compaa B, entonces se tiene que
calcular

P( X1 X 2 30)
Aplicando la frmula de la estandarizacin, tenemos

P( X1 X 2 30) P(t t1 )
Donde
t1 se calcula utilizando los datos, entonces

t1

30 90 72 ;

Sp

t1
t1

Sp

1 1

15 10

30 (18)
S p 0.07 0.1
12
;
S p 0.17

Sp

15 1 (15)2 10 1 (10)2
15 10 2

14 (225) 9 (100)
23

S p 13.26

12
13.26 0.17
12
t1
13.26(0.4123)
12
t1
5.46
t1 2.20
t1

Entonces

P( X1 X 2 30) P(t t1 ) .

Ya que los tamaos de las muestras son 15 y 10, significa que = grados de libertad =
= n1 + n2 - 2= 15 + 10 2 = 23
Como podemos observar, tenemos el valor de t1 y los grados de libertad , con estos valores y la
tabla para la t-Student vamos a determinar el valor de

Entonces =0.02, grficamente tenemos

Y como lo que nos interesa determinar es P(t > 2.20), observando la grfica concluimos que

P(t 2.2) 0.02

Entonces

P( X 1 X 2 30) P(t 2.20)

P( X 1 X 2 30) 0.02
P( X 1 X 2 30) 2%
Por lo tanto la probabilidad de que las resistencias de la compaa A tenga una vida promedio de
al menos 30 ms que los de la compaa B es 0.02 o bien 2%.
b. Como se desea determinar la probabilidad de que la diferencia de los tiempos promedios, se
encuentre entre 20 y 25 das, entonces se tiene que calcular

P(20 X1 X 2 25)
Aplicando la frmula de la estandarizacin, tenemos

P(20 X1 X 2 25) P(t0 t t1 )

Donde
t0 se calcula utilizando los datos y el valor del lmite inferior de la desigualdad y t1 se calcula
utilizando los datos y el valor del lmite superior de la desigualdad, entonces:
Del inciso anterior podemos tomar el valor de

S p 13.26 , por lo tanto

t0

20 90 72
1 1

15 10
20 18

t1

(13.26)
t0

1 1
(13.26)

15 10
2
t0
5.46
t0 0.3663
Entonces

25 90 72
1 1

15 10
25 18

(13.26)
t1

(13.26)

1 1

15 10

7
5.46
t1 1.2821
t1

P(20 X1 X 2 25) P(0.3663 t 1.2821) .

Ya que los tamaos de las muestras son 15 y 10, significa que = grados de libertad =
= n1 + n2 - 2= 15 + 10 2 = 23
Como podemos observar, tenemos el valor de t1 y los grados de libertad , con estos valores y la
tabla para la t-Student vamos a determinar el valor de

Entonces =0.01 y =0.25, grficamente tenemos

Y como lo que nos interesa determinar P(0.3663 t 1.2821) , observando la grfica

concluimos que

P(0.3663 t 1.2821) P(t 0.3663) P(t 1.2821)

P(0.3663 t 1.2821) 0.25 0.10
P(0.3663 t 1.2821) 0.15
P(0.3663 t 1.2821) 15%
Entonces

P(20 X 1 X 2 25) 0.15

P(20 X 1 X 2 25) 15%
Por lo tanto la probabilidad de que la diferencia de los tiempos promedios, se encuentre entre 20
y 25 das es 0.0.15 o bien 15%.

Distribucin muestral para la varianza

Es importante mencionar que la distribucin ji-cuadrada , es la distribucin que se utiliza para
crear la distribucin muestral de la varianza, es decir, si se extraen de una poblacin normal
todas las muestras de tamao n posibles y a cada una de estas muestras se le determina su
varianza S2 estamos obteniendo la distribucin muestral de varianzas.
2

Para poder estimar la varianza poblacional 2 o la desviacin estndar , necesitamos conocer el

estadstico

2 .

Si se extrae una muestra de tamao n, de una poblacin normal con varianza 2 conocida, el
estadstico

(n 1) S 2

tiene una distribucin muestral la cual es una distribucin ji-cuadrada con grados de libertad
= n 1. Donde:

n = Tamao de la muestra

S2 = La varianza muestral de la muestra extrada.

2 = La varianza poblacional de la poblacin de la cual se extrajo la muestra.
Otra manera de calcular el estadstico

2 , es
n

(X
i 1

X )2

Donde:
n = Tamao de la muestra
Xi= Son cada uno de los elementos extrados de la muestra.

X Es la media muestral de la muestra extrada.

2 = La varianza poblacional de la poblacin de la cual se extrajo la muestra.
Grfica de la ji-cuadrada.

Sus caractersticas principales son:

Los valores de

La forma de la grfica de , depende de los grados de libertad = n 1, entre mas

pequeo sean los grados de libertad menos achatada (mas puntiaguda), entre mas
grande los grados de libertad mas achatada, y debido a esto, existe un nmero infinito
de distribuciones ji-cuadrada.
El rea bajo la curva ji-cuadrada es igual a 1 (100%).
Las distribuciones ji-cuadrada no son simtricas.

son mayores o iguales a 0.

2

Existen tablas que nos proporcionan los valores ms comunes de un rea bajo la curva ji-

cuadrada. El valor en esta tabla se obtiene utilizando una la pareja (, ), donde = n - 1

(grados de libertad) y es un valor de probabilidad y representa un rea o probabilidad a la
derecha del valor de

2 . Estas tablas, por lo general se encuentran al final de los libros de

probabilidad y estadstica.
Al calcular la probabilidad utilizando la distribucin muestral de la varianza, es porque en realidad
estamos interesados en saber el comportamiento de la varianza o distribucin de una muestra
extrada de una poblacin con distribucin normal.
Ejemplo 4.
Supongamos que los tiempos que requiere un vuelo de cierta lnea de aviacin para aterrizar
completamente en el aeropuerto de la Cd. de Mxico forman una distribucin normal con una
desviacin estndar =1 minuto. Si se eligen al azar una muestra de 17 tiempos, encuentre la
probabilidad de que la varianza muestral sea mayor que 2.
Solucin:
En base al problema, los datos que nos estn dando son:
n = 17
S2 = Es nuestra variable aleatoria.
= 1, entonces 2 = 1.
Dado que nos estn pidiendo que determinemos la probabilidad de que la varianza muestral sea
mayor que 2, es decir, lo que nos piden es P( S 2) .
2

Aplicando el estadstico de la ji-cuadrada tenemos entonces

P(S 2 2) P( 2 12 )
Donde:

12

se calcula utilizando los datos

2
1

(n 1) S 2

(17 1)(2)
(1) 2
16(2)
12
1
2
1 32

12

Entonces P(S 2) P( 32) .

2

Ya que el tamao de la muestra es de 17, significa que = grados de libertad = = n 1

= 17 1 = 16
Como podemos observar, tenemos el valor de

12

y los grados de libertad , con estos valores y

la tabla para la ji-cuadrada vamos a determinar el valor de

Entonces el valor de = 0.01, grficamente tenemos

Y como lo que nos interesa determinar P(S 2) P( 32) , observando la grfica

2

concluimos que

P( S 2 2) 0.01
P( S 2 2) 1%
Por lo tanto, la probabilidad de que la varianza muestral sea mayor que 2 es 0.01 o bien 1%.
Ejemplo 5.
Supongamos que los tiempos que requiere el horneado de un pastel forman una distribucin
normal con una varianza 2 = 6 minutos. Si se toman de los registros de manera aleatoria, 25
de los tiempos anotados, determine
a. La probabilidad de que la varianza muestral sea mayor que 9.1 minutos.
b. La probabilidad de que la varianza muestral est entre 3.462 y 10.745.
Solucin:
En base al problema, los datos que nos estn dando son:
n = 25
S2 = Es nuestra variable aleatoria.
2 = 6.

a. Dado que nos estn pidiendo que determinemos la probabilidad de que la varianza muestral
sea mayor que 9.1, es decir, lo que nos piden es P( S 9.1) .
2

Aplicando el estadstico de la ji-cuadrada tenemos entonces

P(S 2 9.1) P( 2 12 )
Donde:

12

se calcula utilizando los datos

12

(n 1) S 2

(25 1)(9.1)
6
24(9.1)
12
6
2
1 36.4

12

Entonces P(S 9.1) P( 36.4) .

2

Ya que el tamao de la muestra es de 25, significa que = grados de libertad = = n 1

= 25 1 = 24
Como podemos observar, tenemos el valor de

12

y los grados de libertad , con estos valores y

la tabla para la ji-cuadrada vamos a determinar el valor de

Entonces el valor de = 0.05, grficamente tenemos

Y como lo que nos interesa determinar P(S 9.1) P( 36.4) , observando la grfica
2

concluimos que

P( S 2 9.1) 0.05
P( S 2 9.1) 5%
Por lo tanto, la probabilidad de que la varianza muestral sea mayor que 9.1 es 0.05 o bien 5%.
b. Dado que nos estn pidiendo que determinemos la probabilidad de que la varianza muestral
est entre 3.462 y 10.745, es decir, lo que nos piden es P(3.462 S <10.745) .
2

Aplicando el estadstico de la ji-cuadrada tenemos entonces

P(3.462 S 2 <10.745) P( 02 2 12 )
Donde:

02

se calcula utilizando los datos y el lmite inferior del intervalo y 1 se calcula utilizando los
2

datos y el lmite superior del intervalo, entonces:

02

(n 1) S 20

12

(25 1)(3.462)
6
24(3.462)
02
6
2
0 13.848

(n 1) S12

(25 1)(10.745)
6
(24)(10.745)
12
6
2
1 42.98

02

12

Entonces P(3.462 S <10.745) P(13.848 42.98) .

2

Ya que el tamao de la muestra es de 25, significa que = grados de libertad = = n 1

= 25 1 = 24
Como podemos observar, tenemos el valor de 0 y 1 y los grados de libertad , con estos
2

valores y la tabla para la ji-cuadrada vamos a determinar el valor de

Entonces el valor de = 0.95 y = 0.01, grficamente tenemos

Y como lo que nos interesa determinar P(3.462 S <10.745) P(13.848 42.98) ,

2

observando la grfica concluimos que

P(3.462 S 2 <10.745) P(13.848 2 42.98)

P(3.462 S 2 <10.745) P( 2 13.848) P( 2 42.98)
P(3.462 S 2 <10.745) 0.95 0.01
P(3.462 S 2 <10.745) 0.94
P(3.462 S 2 <10.745) 94%
Por lo tanto, la probabilidad de que la varianza muestral est entre 3.462 y 10.745 es 0.94 o bien
94%.

Distribucin muestral para la relacin de varianzas.

Con frecuencia se requiere comparar la exactitud de un instrumento de medicin con la de otro,
el rendimiento de una forma de trabajo con el de otro, la utilidad de un proceso de ventas con el
de otro o hasta la forma en que vara la forma para calificar de un profesor universitario con la de
otro.
2
2
De inmediato, podramos comparar las varianzas de dos poblaciones, 1 y 2 , utilizando la razn
de las varianzas muestrales
pudiera concluir que

S12
S12
.
Mas
sin
embargo
si
est muy prximo al valor de 1, se
S 22
S 22

12 y 22

son iguales. De otra forma, si el valor que ofrece

S12
es un valor
S 22

muy grande o muy pequeo, este valor nos arrojar evidencia de una diferencia en las varianzas
de las poblaciones.

Para poder estimar la relacin entre varianzas poblacionales

estadstico

12 y 22

, necesitamos conocer el

F.

12 conocida y
2
se extrae una muestra de tamao n2, de una poblacin 2 normal con varianza 2 conocida y

Si se extrae una muestra de tamao n1, de una poblacin 1 normal con varianza
si

adems se sabe que S1 y S 2 son las varianzas muestrales independientes de tamao n1 y n2,
2

entonces:

S 2 2
F 12 22
S2 1
tiene una distribucin muestral la cual es una distribucin F-Fisher con grados de libertad
1 = n1 1 y 2 = n2 1.
Donde:
n1 = Tamao de la muestra extrada de la Poblacin 1.
n2 = Tamao de la muestra extrada de la Poblacin 2.

S12 = La varianza muestral de la muestra extrada de la Poblacin 1.

S 22 = La varianza muestral de la muestra extrada de la Poblacin 1.

12

= La varianza poblacional de la poblacin 1.

22 = La varianza poblacional de la poblacin 2.

Existen tablas que nos proporcionan los valores ms comunes de un rea bajo la curva F de

Fisher. El valor en esta tabla se obtiene utilizando una coordenada (, 1, 2 ), donde 1 = n1 1

y 2= n2 1 son los grados de libertad y es un valor de probabilidad (0.01 o 0.05) y
representa un rea o probabilidad a la derecha del valor de Fa . Estas tablas, por lo general se
encuentran al final de los libros de probabilidad y estadstica. Un dato importante es saber que

F1a ,1 ,2

1
Fa ,2 ,1

Ejemplo 6.
Los tiempos que requiere el horneado de un pastel forman una distribucin normal, este pastel
es horneado por una empresa lder en el ramo con una varianza 2 = 10 minutos, mientras que
otra empresa la cual es competencia de la primera, hornea el mismo pastel con una varianza de
2 = 15 minutos. Si de forma aleatoria se seleccionan 25 registros de la empresa lder y 31
registros de la otra empresa, determine la probabilidad de que la relacin entre la varianza
muestral de la empresa lder y la varianza muestral de la otra empresa sea mayor a 1.26.
Solucin:
En base a los datos que nos proporciona el problema tenemos 2 empresas las cuales fabrican el
mismo pastel, a la empresa lder le llamaremos Empresa A y a la otra empresa le llamaremos
Empresa B.
Entonces:
n1 = 25.
n2 = 31.

S A2 = La varianza muestral de la muestra extrada de la Empresa A.

S B2 = La varianza muestral de la muestra extrada de la Empresa B.

A2

2
B

= 10.
= 15.

Lo que nos piden que determinemos es

S2

P A2 1.26
SB

Aplicando el estadstico de la F-Fisher tenemos entonces

S2

P A2 1.26 P( F F1 )
SB

Donde:
F1 se calcula utilizando los datos

S 2 2
F1 A2 B2
S B A
15
F1 1.26
10
F1 (1.26)(1.5)
F1 1.89

 S A2

1.26 P( F 1.89) .
2
SB

Entonces P

Ya que el tamao de la muestra de la empresa A es de 25, significa que 1 = n1 1 =

25 1 = 24 y el tamao de la muestra de la empresa B es 31, significa que 2= n2 1 = 31 1
= 30.
Como podemos observar, tenemos el valor de F1 y los grados de libertad 1 y 2, con estos
valores y la tabla para la F de Fisher vamos a determinar el valor de

Entonces el valor de 0.01, entonces buscamos en la tabla para = 0.05

Entonces el valor de = 0.05

 S A2

1.26 P( F 1.89) , observando la grfica

2
SB

Y como lo que nos interesa determinar P

concluimos que

S A2

P 2 1.26 P ( F 1.89)
SB

S2

P A2 1.26 0.05
SB

S2

P A2 1.26 5%
SB

Por lo tanto, la probabilidad de que la relacin entre la varianza muestral de la empresa lder y la
varianza muestral de la otra empresa sea mayor a 1.26 es 0.05 o bien 5%.
Ejemplo 7.
Dos atletas de talle internacional realizan pruebas de atletismo, se sabe que los tiempos de
ejecucin de cada prueba forman una distribucin normal, Si se toman aleatoriamente 10
marcas del primer atleta y 20 marcas del 2do. Atleta . Determine la probabilidad de que la
relacin entre la varianza muestral del primer atleta y la varianza muestral del segundo atleta sea
menor o igual a 2.42.
Solucin:
En base a lo datos del problema y dado que no nos proporcionan los valores de las varianzas de
los 2 atletas, supondremos que las 2 varianzas poblacionales son iguales. Entonces tenemos:
n1 = 10.
n2 = 20.

S12 = La varianza muestral de la muestra extrada del Atleta 1.

S 22 = La varianza muestral de la muestra extrada del Atleta 2.

12

22 .

Lo que nos piden que determinemos es

S2

P 12 2.42
S2

Aplicando el estadstico de la F-Fisher tenemos entonces

S12

P 2 2.42 P( F F1 )
S2

Donde:
F1 se calcula utilizando los datos

S12 22
F1 2 2 ; como 22 12
S1 1
S 2 2
F1 12 12
S1 1
S2
F1 12
S1
F1 2.42
Entonces.

S2

P 12 2.42 P( F 2.42)
S2

Ya que el tamao de la muestra del atleta 1 es de 10, significa que 1 = n1 1 = 10

1 = 9 y el tamao de la muestra del atleta 2 es 20, significa que 2= n2 1 = 20 1 = 19.
Como podemos observar, tenemos el valor de F1 y los grados de libertad 1 y 2, con estos
valores y la tabla para la F de Fisher vamos a determinar el valor de

Entonces el valor de 0.01, entonces buscamos en la tabla para = 0.05

Entonces el valor de = 0.05

S12

Y como lo que nos interesa determinar P 2 2.42 P( F 2.42) , observando la grfica

S2

concluimos que

 S2

P 12 2.42 P ( F 2.42)
S2

S12

P 2 2.42 1 0.05
S2

S2

P 12 2.42 0.95
S2

S2

P 12 2.42 95%
S2

Por lo tanto, la probabilidad de que la relacin entre la varianza muestral del primer atleta y la
varianza muestral del segundo atleta sea menor o igual a 2.42. es 0.95 o bien 95%.