Prueba de una varianza
Una prueba de una varianza, en concreto la prueba chi-cuadrado para una varianza, es una prueba estadística que compara la varianza de una muestra con una varianza poblacional conocida. Se emplea para contrastar una hipótesis sobre la varianza poblacional, bajo el supuesto de que la muestra proviene de una población con distribución normal.
Última revisión:
Idea clave
Una prueba de una varianza, en concreto la prueba chi-cuadrado para una varianza, es una prueba estadística que compara la varianza de una muestra con una varianza poblacional conocida.
En esta página
¿Qué es la prueba de una varianza?
Una prueba de una varianza, en concreto la prueba chi-cuadrado para una varianza, es una prueba estadística que compara la varianza de una muestra con una varianza poblacional conocida. Se emplea para contrastar una hipótesis sobre la varianza poblacional, bajo el supuesto de que la muestra proviene de una población con distribución normal. La hipótesis nula (H₀) establece que la varianza poblacional (σ²) es igual a un valor especificado (σ₀²), mientras que la hipótesis alternativa (H₁) plantea que la varianza es distinta de ese valor. El estadístico de prueba se calcula como (n−1)*s^2/σ0^2, donde s^2 es la varianza muestral, σ0^2 es la varianza poblacional hipotética y n es el tamaño de muestra. Este estadístico sigue una distribución chi-cuadrado con n−1 grados de libertad, lo que permite evaluar si la varianza observada se desvía significativamente de la varianza hipotética. Esta prueba se usa normalmente en el control de calidad, la gestión de riesgos y la investigación experimental para evaluar si la variabilidad observada cumple las expectativas o los estándares teóricos.
¿Cuándo usar la prueba de una varianza?
- Evaluación de la varianza: cuando necesita determinar si la varianza de una sola muestra difiere significativamente de una varianza poblacional conocida.
- Prueba chi-cuadrado: en concreto, cuando se usa la prueba chi-cuadrado para una varianza, que compara la varianza muestral con una varianza poblacional especificada bajo el supuesto de que la muestra proviene de una población con distribución normal.
- Distribución normal: cuando se supone que los datos siguen una distribución normal, ya que la prueba se basa en este supuesto para dar resultados exactos.
- Control de calidad: para evaluar si la variabilidad de un proceso de producción o de un producto coincide con el estándar o la especificación esperados.
- Gestión de riesgos: para evaluar si la variabilidad de los rendimientos financieros, de las métricas operativas o de otros indicadores se ajusta a niveles o umbrales de riesgo predefinidos.
- Investigación experimental: para comprobar si la variabilidad observada en los datos experimentales se ajusta a las predicciones teóricas o a los valores esperados.
- Pruebas de consistencia: cuando se evalúa la consistencia de las mediciones o de las salidas de un proceso frente a estándares o referencias conocidos.
Pautas para el uso correcto de la prueba de una varianza
- Muestreo aleatorio: asegúrese de que los datos de la muestra se seleccionen al azar para poder generalizar de forma válida a la población.
- Distribución de los datos: los datos de la muestra no deben tener una asimetría severa. Para el método de Bonett se recomienda un tamaño de muestra superior a 40, incluso con datos ligeramente asimétricos. Para muestras más pequeñas, compruebe la asimetría y las observaciones inusuales, y proceda con cautela con datos de distribuciones de colas pesadas. [Nota: use el método chi-cuadrado solo si los datos tienen distribución normal, ya que las desviaciones pueden afectar significativamente a los resultados.]
- Independencia de las observaciones: cada observación debe ser independiente de todas las demás. Las observaciones dependientes pueden invalidar los resultados.
- Tamaño de muestra adecuado: asegúrese de que el tamaño de muestra sea lo bastante grande para dar estimaciones precisas, intervalos de confianza estrechos y una protección adecuada frente a los errores de tipo I y de tipo II.
Alternativas: cuándo no usar la prueba de una varianza
- Tamaño de muestra pequeño: la prueba de una varianza requiere un tamaño de muestra mínimo para garantizar la potencia estadística. Si el tamaño de muestra es pequeño, la prueba puede no ser fiable, y pruebas alternativas como la prueba t pueden ser más adecuadas.
Ejemplo de prueba de una varianza
El gerente de un depósito de madera evalúa la eficiencia del aserradero al cortar vigas que deben medir 100 cm de largo. Para ello, toma una muestra de 50 vigas del aserradero y mide su longitud. A continuación, realiza la prueba de una varianza para determinar si la desviación estándar del aserradero es significativamente distinta de 1. Los pasos son los siguientes:
- Reunió los datos necesarios.

- Ahora analiza los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar One variance test, elige Statistical module> Graphical analysis> One variance test.
- En la herramienta introduce los datos junto con otras entradas, como se indica a continuación:

5. Después de usar la herramienta mencionada, obtiene la siguiente salida:

Cómo realizar la prueba de una varianza
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Graphical analysis >One variance test
- Haga clic en One variance test para acceder al tablero.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- A continuación, debe introducir los valores del nivel de confianza y de la desviación estándar hipotética.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de One variance test, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse todos (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay varias opciones, que son las siguientes:
- Confidence level: En las pruebas de hipótesis, el nivel de confianza representa el grado de certeza o de confianza que tenemos en nuestro análisis estadístico. Es un valor de probabilidad que indica la probabilidad de que el verdadero parámetro poblacional se encuentre dentro del rango de valores especificado. Normalmente, el nivel de confianza se expresa como porcentaje y se denota por (1 - α), donde α es el nivel de significancia o la probabilidad de rechazar una hipótesis nula verdadera. Por ejemplo, si tenemos un nivel de confianza del 95%, estamos diciendo que tenemos un 95% de confianza en que el verdadero parámetro poblacional se encuentra dentro de nuestra estimación por intervalo, y que hay un 5% de probabilidad de cometer un error de tipo I (rechazar una hipótesis nula verdadera). En términos prácticos, un nivel de confianza más alto significa que tenemos más confianza en nuestro análisis estadístico y en los resultados. Sin embargo, aumentar el nivel de confianza también aumenta la amplitud del intervalo de confianza, lo que dificulta detectar efectos pequeños. Por lo tanto, la elección del nivel de confianza depende del contexto del estudio y de los objetivos del investigador.
- Hypothesized standard deviation: La desviación estándar hipotética, también conocida como desviación estándar supuesta o desviación estándar conocida, es el valor de la desviación estándar poblacional que se supone verdadero a efectos de una prueba de hipótesis.
- Alternative hypothesis: En las pruebas de hipótesis, la hipótesis alternativa (también llamada hipótesis de investigación) es un enunciado que representa una conclusión distinta de la de la hipótesis nula. La hipótesis nula suele representar el statu quo o el supuesto de que no existe una diferencia o relación significativa entre dos o más grupos o variables. La hipótesis alternativa es el enunciado que se pone a prueba y propone que existe una diferencia o relación significativa entre los grupos o variables estudiados.
- Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.
Preguntas frecuentes
¿Qué es una prueba de una varianza?
Una prueba de una varianza, en concreto la prueba chi-cuadrado para una varianza, compara la varianza de una muestra con una varianza poblacional conocida o hipotética. La hipótesis nula establece que la varianza poblacional es igual al valor especificado, y la alternativa, que es distinta. Se usa en el control de calidad, la gestión de riesgos y la investigación experimental.
¿Cómo se calcula el estadístico chi-cuadrado para una varianza?
El estadístico de prueba es (n - 1) por la varianza muestral s², dividido por la varianza poblacional hipotética σ0², donde n es el tamaño de muestra. Este estadístico sigue una distribución chi-cuadrado con n - 1 grados de libertad, que se usa para evaluar si la varianza observada se desvía significativamente de la varianza hipotética.
¿Cuáles son los supuestos de la prueba de una varianza?
La muestra debe seleccionarse al azar y las observaciones deben ser independientes. Use el método chi-cuadrado solo si los datos tienen distribución normal, porque las desviaciones pueden afectar significativamente a los resultados. Para el método de Bonett se recomienda un tamaño de muestra superior a 40, incluso con datos ligeramente asimétricos; para muestras más pequeñas, compruebe la asimetría, las observaciones inusuales y las colas pesadas.
¿Cuándo se debe usar una prueba de una varianza?
Úsela cuando necesite saber si la variabilidad de una sola muestra difiere de un estándar conocido, por ejemplo, si un proceso de producción o un sistema de medición es tan consistente como exige una especificación o una referencia. La muestra debe ser lo bastante grande para dar estimaciones precisas, intervalos de confianza estrechos y protección frente a los errores de tipo I y de tipo II.
