Prueba de dos varianzas (prueba F)

Una prueba de hipótesis de dos varianzas evalúa si las varianzas de dos poblaciones independientes son iguales comparando el cociente de las dos varianzas muestrales mediante la distribución F, con grados de libertad distintos para cada muestra, con el supuesto de que las poblaciones tienen distribución normal y son independientes, y suele aplicarse en control de calidad, finanzas e investigación experimental para evaluar la consistencia y la variabilidad de los procesos.

Última revisión:

Idea clave

Una prueba de hipótesis de dos varianzas evalúa si las varianzas de dos poblaciones independientes son iguales comparando el cociente de las dos varianzas muestrales mediante la distribución F.

En esta página
  1. ¿Qué es la prueba de dos varianzas?
  2. ¿Cuándo usar la prueba de dos varianzas?
  3. Pautas para el uso correcto de la prueba de dos varianzas
  4. Alternativas: cuándo no usar la prueba de dos varianzas
  5. ¿Ejemplo de prueba de dos varianzas?
  6. Cómo realizar la prueba de dos varianzas

¿Qué es la prueba de dos varianzas?

Una prueba de hipótesis de dos varianzas evalúa si las varianzas de dos poblaciones independientes son iguales comparando el cociente de las dos varianzas muestrales mediante la distribución F, con grados de libertad distintos para cada muestra, con el supuesto de que las poblaciones tienen distribución normal y son independientes, y suele aplicarse en control de calidad, finanzas e investigación experimental para evaluar la consistencia y la variabilidad de los procesos.

¿Cuándo usar la prueba de dos varianzas?

La prueba de varianzas de dos muestras se usa para determinar si dos muestras de datos tienen varianzas iguales.

  • Comparación de variabilidades: cuando necesita determinar si la variabilidad (varianza) de dos poblaciones independientes es significativamente distinta.
  • Control de calidad: para comparar la consistencia y la variabilidad de dos procesos de producción o lotes distintos.
  • Investigación experimental: cuando se evalúa si las condiciones o los tratamientos experimentales producen distintos niveles de variabilidad en los resultados.
  • Finanzas: para comparar el riesgo (varianza de los rendimientos) de dos carteras de inversión o instrumentos financieros distintos.
  • Supuestos cumplidos:
    • Distribución normal: las poblaciones de las que se extraen las muestras deben tener distribución normal.
    • Independencia: las dos poblaciones deben ser independientes entre sí.

Es útil en situaciones en las que desea comparar dos poblaciones o grupos respecto a sus varianzas, como en los siguientes escenarios:

  • Control de calidad: una empresa manufacturera puede querer comparar las varianzas de dos líneas de producción para asegurarse de que fabrican productos con una calidad consistente.
  • Ensayos clínicos: los investigadores pueden querer comparar las varianzas de dos grupos de pacientes para determinar si un tratamiento nuevo tiene un efecto similar en ambos grupos.
  • Educación: los educadores pueden querer comparar las varianzas de las puntuaciones de los exámenes de dos grupos de estudiantes para ver si un grupo es más consistente que el otro.
  • Análisis financiero: los inversores pueden querer comparar las varianzas de los rendimientos de dos carteras de inversión distintas para determinar si una es más volátil que la otra.

Pautas para el uso correcto de la prueba de dos varianzas

  • 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, y los tamaños de muestra deben ser superiores a 20. Si los tamaños de muestra son inferiores a 20, grafique los datos para comprobar la asimetría y las observaciones inusuales. Proceda con cautela al interpretar los resultados si los datos tienen una asimetría severa o muchas observaciones inusuales.
  • 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 proporcionar 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 dos varianzas

  • La prueba de varianzas de dos muestras está diseñada para comparar las varianzas de dos muestras independientes. Si sus muestras son dependientes, como en un estudio antes-después o en un diseño de pares emparejados, puede que deba usar una prueba distinta, como la prueba t pareada.

¿Ejemplo de prueba de dos varianzas?

Un consultor del sector sanitario quiere comparar las valoraciones de satisfacción de los pacientes de dos hospitales. Para ello, el consultor reúne las valoraciones de 20 pacientes de cada hospital y realiza una prueba de varianzas de dos muestras para determinar si hay una diferencia en las desviaciones estándar de las valoraciones de los pacientes. Los pasos son los siguientes:

  1. Recopiló los datos necesarios.
Two variance test — figure 1
  1.  Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  2.  Para encontrar la prueba de dos varianzas, elija Statistical module> Graphical analysis>Two variance test.
  3.  Dentro de la herramienta, se introducen los datos junto con las demás entradas como se indica a continuación:
Two variance test — figure 2

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

Two variance test — figure 3Two variance test — figure 4Two variance test — figure 5

Cómo realizar la prueba de dos varianzas

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 >Two variance test
  • Haga clic en Two 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 razón hipotética.
  • Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Two variance test, la ventana está dividida en dos partes.

Two variance test — figure 6

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 por completo (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, como las siguientes:

  • Confidence level: En las pruebas de hipótesis, el nivel de confianza representa el grado de certeza o confianza que tenemos en nuestro análisis estadístico. Es un valor de probabilidad que indica la verosimilitud de que el parámetro poblacional verdadero se encuentre dentro del intervalo 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 una confianza del 95% de que el parámetro poblacional verdadero se encuentra dentro de nuestra estimación por intervalo, y que existe 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 tanto, la elección del nivel de confianza depende del contexto del estudio y de los objetivos del investigador.
  • Hypothesized ratio: En una prueba de dos varianzas, la razón hipotética es el valor que se usa para contrastar la hipótesis nula de que las varianzas de dos poblaciones son iguales. Representa el cociente esperado de las dos varianzas poblacionales bajo la hipótesis nula.
  • Alternative hypothesis: En las pruebas de hipótesis, la hipótesis alternativa (también llamada hipótesis de investigación) es una afirmación que representa una conclusión distinta de la hipótesis nula. La hipótesis nula suele representar el statu quo o el supuesto de que no hay diferencia o relación significativa entre dos o más grupos o variables. La hipótesis alternativa es la afirmación que se contrasta, y propone que existe una diferencia o relación significativa entre los grupos o las variables estudiados.
  • Summary plot: Una gráfica resumen es una representación visual completa que se usa para mostrar resultados estadísticos de forma compacta e informativa. En el contexto de la comparación de las desviaciones estándar o las varianzas entre dos o más muestras. Al combinar intervalos de confianza, gráficas de caja y resultados de la prueba estadística, ofrece una visión general clara y completa de los datos. En la gráfica proporcionada se observa que el Hospital A tiene menos variabilidad y estimaciones más precisas que el Hospital B, como indica el intervalo de confianza más estrecho de la desviación estándar. Esta información es fundamental para identificar áreas que requieren atención y para tomar decisiones informadas basadas en el análisis estadístico de los datos.
  • Individual value plot: Una gráfica de valores individuales (IVP) es una herramienta gráfica especialmente adecuada para tamaños de muestra pequeños (menos de 50 observaciones) que muestra los puntos de datos individuales para facilitar un examen detallado de la distribución, la tendencia central, la variabilidad y los valores atípicos, y que también es eficaz para comparar distribuciones entre varios grupos pequeños.
  • Histogram: En las pruebas de hipótesis, un histograma es una representación gráfica de la distribución de una muestra de datos. Es una herramienta visual que se usa para examinar la forma y las características de los datos. Los histogramas funcionan mejor cuando el tamaño de muestra es superior a 20. Un histograma se crea dividiendo los datos en un conjunto de intervalos, o clases, y contando el número de puntos de datos que caen en cada clase. Las clases suelen tener la misma anchura, y la altura de cada barra del histograma representa la frecuencia de los puntos de datos que caen dentro de esa clase.
  • Box plot: Una gráfica de caja, también conocido como gráfica de caja y bigotes, es una representación gráfica de los datos que muestra la distribución de un conjunto de datos, incluidas su mediana, sus cuartiles y los posibles valores atípicos. En las pruebas de hipótesis, una gráfica de caja puede usarse para comparar visualmente la distribución de una muestra con una distribución conocida o esperada, como una distribución normal. Esto puede ayudar a determinar si los datos de la muestra difieren significativamente de lo esperado. La caja de una gráfica de caja representa el 50% central de los datos, donde el borde inferior de la caja indica el primer cuartil (Q1), el borde superior de la caja indica el tercer cuartil (Q3) y la línea dentro de la caja indica la mediana. Los bigotes se extienden desde la caja hasta los valores mínimo y máximo del conjunto de datos, excluidos los posibles valores atípicos, que se representan como puntos individuales más allá de los bigotes.
  • 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 la prueba de dos varianzas?

Una prueba de dos varianzas evalúa si las varianzas de dos poblaciones independientes son iguales comparando el cociente de las dos varianzas muestrales mediante la distribución F, con grados de libertad distintos para cada muestra. Se usa en control de calidad, finanzas e investigación experimental para comparar la consistencia y la variabilidad.

¿Cuáles son los supuestos de la prueba de dos varianzas?

Las poblaciones deben tener distribución normal y ser independientes entre sí, las muestras deben seleccionarse al azar y cada observación debe ser independiente de todas las demás. Los datos de la muestra no deben tener una asimetría severa y los tamaños de muestra deben ser superiores a 20; si son menores, grafique los datos para comprobar la asimetría y las observaciones inusuales.

¿Cuándo debe usar la prueba de dos varianzas?

Úsela para determinar si dos grupos independientes difieren en variabilidad, por ejemplo para comparar la consistencia de dos líneas de producción o lotes, si los tratamientos producen una variabilidad distinta en los resultados, o la volatilidad de los rendimientos de dos carteras de inversión. Para muestras dependientes, como los diseños antes-después, se necesita una prueba distinta.

¿Qué es la razón hipotética en la prueba de dos varianzas?

La razón hipotética es el cociente esperado de las dos varianzas poblacionales bajo la hipótesis nula. La prueba comprueba si el cociente observado de las varianzas muestrales es coherente con ella; contrastar si las varianzas son iguales corresponde a un cociente de 1.