UNIVERSIDAD PRIVADA ANTENOR

ORREGO
FACULTA DE CIENCIAS ECONMICAS
CARRERA PROFESIONAL DE ADMINISTRACIN

CURSO: Estadstica Aplicada a los Negocios

CICLO: IV
DOCENTE: Segundo, Asmat Castillo
INTEGRANTES:
Abad Vsquez, Diego
Correa Mogolln, Diana
Cueva Chuquihuanca, ngel
Farfn Ruiz, Tadeo
Guerrero Gamboa, ngel
Llacsahuache Cueva, Alexander
Silva Sube, Claudia

Piura, Noviembre de 2015

 DISTRIBUCIN F- FISHER
INDICE

1. HISTORIA
2. DEFINICIN
3. CARACTERSTICAS
4. APLICACIONES DE LA DISTRIBUCIPIN F
5. REPRESENTACIN GRFICA-FUNCIN DE DENSIDAD
6. MEDIA Y VARIANZA
7. USO DE TABLAS-FUNCIN DE DISTRIBUCIN
7.1. FUNCIN DE DISTRIBUCIN
7.2. CARACTERSTICAS DE LA DISTRIBUCIN
8. GRADOS DE LIBERTAD
9. CMO SE DEDUCE UNA DISTRIBUCIN F?
10. PARA QU UTILIZAMOS LA DISTRIBUCIN F?
11. IMPORTANCIA DEL ESTUDIO DE LA DISTRIBUCIN F
12. APLICACIN DE LA DISTRIBUCIN F EN LA ADMINISTRACIN
 1. HISTORIA

Sir Ronald Aylmer Fisher (Londres, Reino Unido, 17 de

febrero de 1890 Adelaida,Australia, 29 de julio de 1962) fue un estadstico, y bilogo,
quin us la matemtica por combinar las leyes de Mendel con la seleccin natural,
ayudando as a crear un nuevo sntesiso del Darwinismo conocido como el sntesis
evolutiva moderna, y tambin un prominente eugenista en la parte temprana de su vida.
En 1919 empez a trabajar en Rothamsted Research, una estacin agrcola
experimental donde desarroll el anlisis de la varianza por analizar sus datos inmensos
de los cultivos cultivados desde los aos 1840, y donde en los prximos aos estableci su
reputacin como bioestadstico. Tambin fue uno de los mayores fundadores de
lagentica de poblaciones. Entre otras cosas, resumi el principio de Fisher, propuso el
denominado modelo de seleccin sexual runaway y la hiptesis del hijo sexy, e ide
laecuacin de Fisher, el valor reproductivo y la desigualdad de Fisher.
Anders Hald se lo llam un genio quin, casi a solas, cre las fundaciones por la ciencia
moderna estadstica,2 mientras Richard Dawkins lo nombr el bilogo ms grande
desde Darwin. No solo fue lo ms original y constructivo de los arquitectos de la sntesis
neo-Darwiniano. Fisher tambin fue el padre de la estadstica moderna y diseo
experimental. As tambin se puede decir de l que dio a investigadores de la biologa y la
medicina con sus herramientas ms importantes, y tambin con la versin moderna del
teorema central de la biologa." Geoffrey Miller dijo de l: Para los bilogos, fue un
arquitecto de la sntesis moderna que utiliz modelos matemticos para integrar las
leyes de Mendel con las teoras de la seleccin biolgica de Charles Darwin. Para los
psiclogos, Fisher fue el inventor de varias pruebas estadsticas que se deben usar siempre
que sea posible en las revistas psicolgicas. Para los granjeros, fue el fundador de
investigaciones en la agricultura, y salv a millones de morir de hambre a travs de
programas racionales de cultivo.

2. DEFINICIN

Es una distribucin de probabilidad de gran aplicacin en la inferencia estadstica ,

fundamentalmente en la contrastacin de la igualdad de varianzas de dos poblaciones
normales, y , fundamentalmente en el anlisis , tcnica que permite detectar la existencia
o inexistencia de diferencias significativas entre muestras diferentes y que es, por tanto
esencial , en todos aquellos casos en los que se quiere investigar la relevancia de un factor
en el desarrollo y naturaleza de una caracterstica.

La distribucin se plantea partiendo de dos variables X e Y tales que:

Es decir una chi2 con m grados de libertad

Es decir una chi2 con n grados de libertad;

de manera que si establecemos el cociente , es decir el cociente entre

ambas chi2 divididas a su vez, por sus correspondientes grados de libertad tendremos que
la funcin F corresponde a una distribucin F de Snedecor con m y n grados de libertad ;

es decir una

Queda claro por tanto que la distribucin F de Snedecor tiene dos parmetros, que son m
y n; grados de libertad del numerador, grados de libertad del denominador.

Dado que se trata de un cociente entre dos chi2 su forma (grfica de la funcin de
densidad)ser parecida a la de sta distribucin , por lo que estar slo definida para el
campo positivo de la variable y su apariencia variar segn los grados de libertad ; estando
ms prxima la densidad de probabilidad a los valores prximos a cero de la variable ,
cuando los grados de libertad ( sus parmetros) sean bajos.
http://www2.ulpgc.es/hege/almacen/download/5/5510/Tema_2.pdf

3. CARACTERISICAS DE LA DISTRIBUCION F

Es asimtrica. La funcin F es una funcin continua

Normalmente se consideran valores anmalos de la cola de la derecha

Existe una familia de distribuciones F que estn determinados por los parmetros:
los grados de libertad del numerador y denominador.

Hay una distribucin F para 29 g.l en el numerador y 28 g.l en el denominador.

El valor de F no puede ser negativo.

La curva representa que una distribucin F tiene un sesgo positivo.

Sus valores varan de 0 a

4. APLICACIN DE LA DISTRIBUCION F
Esta distribucin se aplica principalmente cuando la probabilidad de la razn de dos
varianzas provenientes de dos poblaciones diferentes. Por medio de esta distribucin es
posible determinar la probabilidad de ocurrencia de una razn especifica con dos
varianzas es especial con grados de libertad en muestras de tamao.
Es la distribucin ms importante en experimentacin pues permite hacer clculos 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
 5. REPRESENTACIN GRAFICA-FUNCIN DE DENSIDAD

La funcin de densidad de una F se obtiene a partir de la funcin de densidad conjunta de

U y V, y tiene la siguiente expresin

Para todo valor de x>0. Es evidente, por su construccin, que solo puede tomar valores
positivos, como la chicuadrado. La forma de la representacin grfica depende de los
valores m y n, de tal forma que si m y n tienden a infinitos, dicha distribucin se asemeja a
la distribucin normal.
 GRAFICO

FUNCIN DE DENSIDAD

6. MEDIA Y VARIANZA

La media existe si "n" es mayor o igual que 3, y la varianza existe si "n" es mayor o igual
que 5 y sus valores son:
 7. USO DE LA TABLA DE F

Cmo usar las tablas?

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 ms se aproxime. Por ejemplo, si F es igual 3.603 con
v1=12 y v2=8 grados de libertad, el valor es de 0.95, pues se localiza en la segunda columna a
la izquierda tal y como se muestra a continuacin.

Para extraer valores de probabilidad de esta tabla se sigue el siguiente procedimiento:

1. Determinar los grados de libertad (v1 y v2) tal que v1=n1-1 y v2=n2-1.

2. Ubicar en la tabla cuando es 0.95

EJEMPLO 1

En un proceso hay dos mquinas cortadoras diferentes en antigedad lo que hace pensar que las
varianzas de corte no son iguales. Se toma una muestra de 16 partes de cada mquina, cul es la
probabilidad de que la razn de varianzas sea:

a. Mayor a 1.97?

b. Menor a 3.52?

SOLUCIN:
P( F 1.97) 1 0.9 0.1 para v1 15 y v2 15

La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1.

P( F 3.52) 0.99 para v1 15 y v2 15

La probabilidad de que la razn de varianzas sea menor a 3.52 es 0.99.

EJEMPLO 2

En la tabla 5 se ilustra la estructura de una tabla de F para un nivel de significacin de 0,01 o 1% y

0,05 o 5%.

Se obtiene el valor tabular, localizando los grados de libertad del numerador n1 (que se listan en la
parte superior de la tabla), as como los del denominador n2 (que se listan en una de las columnas
laterales de la tabla), que corresponden a una situacin dada. Utilizando el nivel de significacin de
0.05 para n1 = 7 y n2 = 3 grados de libertad el valor de F es 8.89.
 7.1. LA FUNCIN DE DISTRIBUCIN

Sean U y V dos variables aleatorias independientes, tal que:

X as definida, sigue una distribucin F DE FISHERSNEDECOR de m y n grados de libertad, que

representamos como:

La necesidad de disponer de mtodos estadsticos para comparar las

varianzas de dos poblaciones es evidente a partir del anlisis de una
sola poblacin. Frecuentemente se desea comparar la
precisin de un instrumento de medicin con la de otro, la estabilidad de un proceso de
manufactura con la de otro o hasta la forma en que vara el procedimiento para calificar de un
profesor universitario con la de otro.

Intuitivamente, podramos comparar las varianzas de dos poblaciones, y , utilizando la

razn de las varianzas mustrales s21/s22. Si s21/s22 es casi igual a 1, se tendr poca evidencia

Para indicar que y no son iguales. Por otra parte, un valor muy grande o muy
pequeo para s21/s22, proporcionar evidencia de una diferencia en las varianzas de las
poblaciones.
La variable aleatoria F se define como el cociente de dos variables aleatorias ji-cuadrada
independiente, cada una dividida entre sus respectivos grados de libertad. Esto es

Donde U y V son variables aleatorias ji-cuadrada independientes con grados de libertad 1y

2 respectivamente.

7.2. CARACTERSTICAS DE LA DISTRIBUCIN

Existe una distribucin F diferente para cada combinacin de tamao de muestra y nmero de
muestras. Por tanto, existe una distribucin F que se aplica cuando se toman cinco muestras de
seis observaciones cada una, al igual que una distribucin F diferente para cinco muestras de siete
observaciones cada una. A propsito de esto, el nmero distribuciones de muestreo diferentes es
tan grande que sera poco prctico hacer una extensa tabulacin de distribuciones. Por tanto,
como se hizo en el caso de la distribucin t, solamente se tabulan los valores que ms
comnmente se utilizan. En el caso de la distribucin F, los valores crticos para los niveles 0,05 y
0,01 generalmente se proporcionan para determinadas combinaciones de tamaos de muestra y
nmero de muestras.

La razn ms pequea es 0. La razn no puede ser negativa, ya que ambos trminos de la razn F
estn elevados al cuadrado.

Por otra parte, grandes diferencias entre los valores medios de la muestra, acompaadas de
pequeas variancias mustrales pueden dar como resultado valores extremadamente grandes de
la razn F.

La forma de cada distribucin de muestreo terico F depende del nmero de grados de libertad
que estn asociados a ella. Tanto el numerador como el denominador tienen grados de libertad
relacionados.

8. DETERMINACIN DE LOS GRADOS DE LIBERTAD

Los grados de libertad para el numerador y el denominador de la razn F se basan en los clculos
necesarios para derivar cada estimacin de la variancia de la poblacin. La estimacin
intermediante de variancia (numerador) comprende la divisin de la suma de las diferencias
elevadas al cuadrado entre el nmero de medias (muestras) menos uno, o bien, k - 1. As, k - 1 es
el nmero de grados de libertad para el numerador.
En forma semejante, el calcular cada variancia muestral, la suma de las diferencias elevadas al
cuadrado entre el valor medio de la muestra y cada valor de la misma se divide entre el nmero de
observaciones de la muestra menos uno, o bien, n - 1. Por tanto, el promedio de las variancias
mustrales se determina dividiendo la suma de las variancias de la muestra entre el nmero de
muestras, o k. Los grados de libertad para el denominador son entonces, k(n -l).

9. CMO SE DEDUCE UNA DISTRIBUCIN F?

Una variable F se define como el cociente entre dos variables ji-cuadrado divididas por sus
correspondientes grados de libertad.
Una variable con distribucin f es siempre positiva por lo tanto su campo de variacin es 0
f
La distribucin de la variable es asimtrica, pero su asimetra disminuye cuando aumentan
los grados de libertad del numerador y denominador.
Hay una distribucin f por cada par de grados de libertad.
Parmetros: grados de libertad asociados al numerador y denominador

Extraiga que pares de muestras aleatorias independientes de tamao n < 30.

Calcule para cada par el cociente de variancias que proporciona un valor de f.
Graficar los valores de f de los pares de muestras.
Distribucin f para diferentes grados de libertad.

10. PARA QU UTILIZAMOS LA DISTRIBUCIN F?

Usada en teora de probabilidad y estadstica, la distribucin f es una distribucin de

probabilidad continua. Tambin se le conoce como distribucin f de snedecor (por george
snedecor) o como distribucin f de fisher-snedecor.
Una variable aleatoria de distribucin f se construye como el siguiente cociente:
Donde:
U1 y U2 siguen una distribucin chi-cuadrado con d1 y d2 grados de libertad
respectivamente, y
U1 y U2 son estadsticamente independientes.

11. IMPORTANCIA DEL ESTUDIO DE LA DISTRIBUCIN F

En estadstica, todos los sucesos se intentan definir como variables aleatorias. Existen
muchos tipos de ellas segn sea su distribucin de probabilidad. Dado que estas
distribuciones tienen una relacin directa con los datos por s mismos y con las pruebas
que deben realizarse para su anlisis.
Estas distribuciones ya que su gnesis se deben al estudio de la funcin de potencia en la
teora de los contrastes de hiptesis.

Es aditiva para procesos independientes.

Se reduce, si se agrupan datos o se sustituyen estos por un estadstico. No hay

prdida de informacin si, y solo si, un estadstico es suficiente.

Interpretacin para muestras grandes: La precisin asinttica de los estimadores

mximo-verosmiles es la inversa de la varianza.

Interpretacin para muestras pequeas. Los estimadores que no sean eficientes

pierden una fraccin de la informacin que proporcionan los datos.

Transformador de ideas y estableci los fundamentos tericos de la inferencia estadstica,

como mtodo de razonamiento inductivo que da un nuevo sentido al procesamiento de
datos e intenta medir su grado de incertidumbre. Sus resultados le dieron a la estadstica
el estatus de disciplina cientfica, reafirmado por los innumerables campos de aplicacin
de sus metodologas.
Establece tres tipos de problemas:
 1. Especificacin: Sobre la escogencia de la distribucin de probabilidad para la
poblacin.

2. Estimacin: Como calcular los estadsticos de la muestra aleatoria para

representar los parmetros de la poblacin terica.

3. Distribucin: Sobre distribuciones mustrales de los estadsticos.

4. Tambin establece tres criterios de estimacin: Consistencia Eficiencia, Suficiencia.

12. APLICACIN DE LA DISTRIBUCIN F EN LA ADMINISTRACIN

En Administracin, las herramientas tcnicas y metodolgicas, para sensibilizar la toma de

decisiones estadsticas y profesionales en las reas funcionales de negocios propios de la
carrera, esto es, la aplicacin en la gestin empresarial, la interpretacin de resultados, la
presentacin de suposiciones, la evaluacin de las suposiciones y la discusin acerca de lo
que debera de hacerse si las suposiciones son infringidas en la administracin de la
calidad y productividad. De igual manera induce el uso de modelos para hacer mejores
pronsticos de la variable dependiente en el amplio mundo de los negocios.

EJERCICIO
1. Una determinada empresa quiere aumentar su plantilla de vendedores en 20
personas, para lo que inserta un anuncio en prensa y se presentan 40 personas al
proceso de seleccin. Determinar la probabilidad de que, despus de realizar todas
las pruebas psicotcnicas de seleccin y haber seleccionado, por diferentes
mecanismos, a las 20 personas solicitadas, entre ellas se encuentren las 10 mejores
de las 40 personas que se presentaron.

SOLUCIN
Sea la variable aleatoria X:
X: nmero de los mejores vendedores entre los 20 seleccionados.
La variable aleatoria X se distribuye segn una distribucin hper geomtrica, H(N, N1, n),
con:
N = 40, N1 = 10 y n = 20
Luego teniendo en cuenta la expresin de la correspondiente funcin de densidad, la
probabilidad que nos piden ser:

022
Que resulta ser francamente baja.