El test F se utiliza para comprobar si las varianzas de dos grupos difieren estadísticamente de manera significativa. Se utiliza para evaluar si una diferencia observada en la variabilidad va más allá de las fluctuaciones aleatorias.
La decisión se toma comparando el valor p con el nivel de significancia predeterminado (generalmente α = 0.05):
- p ≤ α → Aceptar H₁ (rechazar H₀)
- p > α → Retener H₀
En el desarrollo de productos, se está probando una nueva receta de salsa de tomate. El objetivo es verificar si la dispersión de la viscosidad de la nueva receta difiere de la receta anterior.
Interpretación de los resultados:
El valor p determinado está significativamente por debajo del nivel de significancia de 0.05, por lo que se rechaza la hipótesis nula. La dispersión de la viscosidad de la receta antigua y la nueva no es la misma. La nueva receta se dispersa significativamente más que la antigua.
Explicaciones del gráfico:
- Los puntos marcan las desviaciones estándar de la viscosidad para la receta antigua y la nueva.
- Las barras de error representan el intervalo de confianza del 95% para la respectiva desviación estándar.
- Los intervalos de confianza que no se superponen muestran que hay una diferencia en la desviación estándar.
Preparación
- Selecciona una medida de dispersión adecuada para comparar.
- Define dos grupos cuyas varianzas se van a comparar.
- Establece el nivel de significancia (usualmente α = 0.05).
- Verifica si los datos no muestran desviaciones fuertes de la distribución normal.
Uso en AlphadiTab
- Selecciona la herramienta 2-Sample-F en la fase de Análisis.
- Selecciona el primer grupo para Muestra 1.
- Selecciona el segundo grupo para Muestra 2.
- Realiza el análisis mediante Crear Nuevo.
Interpretación
- Verifica si el valor p es menor o igual al nivel de significancia.
- p ≤ α → diferencia estadísticamente significativa en las varianzas.
- p > α → no hay diferencia estadísticamente significativa en las varianzas.
- La interpretación se refiere exclusivamente a la dispersión, no a la media.
El test F ofrece dos configuraciones principales: el tipo de entrada de datos y la dirección de la hipótesis.
Entrada manual: La comparación se basa en desviaciones estándar y tamaños de muestra ingresados manualmente de dos muestras.
H₀: σ₁² / σ₂² = 1 | H₁: σ₁² / σ₂² ≠ 1
Seleccione dos lados si desea probar si las varianzas de las dos muestras difieren sin especificar una dirección particular. Útil cuando no hay una expectativa específica sobre la dirección de la diferencia. Ejemplo: ¿Difieren las varianzas de los tiempos de reacción del grupo A y del grupo B?
H₀: σ₁² / σ₂² ≤ 1 | H₁: σ₁² / σ₂² > 1
Seleccione mayor si desea probar si la varianza de la primera muestra es mayor que la de la segunda. Las diferencias en la dirección opuesta no se consideran. Ejemplo: ¿Es la varianza del tiempo de entrega antes de una medida mayor que después?
H₀: σ₁² / σ₂² ≥ 1 | H₁: σ₁² / σ₂² < 1
Seleccione menor si desea probar si la varianza de la primera muestra es menor que la de la segunda. Las diferencias en la dirección opuesta no se consideran. Ejemplo: ¿Es la varianza de la viscosidad de la formulación antigua menor que la de la nueva?
Cantidad de Relleno Salsa de Tomate – Máquina A vs. Máquina B
En producción, se utilizan dos máquinas de llenado. Se debe investigar si la dispersión de la cantidad de llenado difiere entre la Máquina A y la Máquina B. Los datos de medición para ambas máquinas están disponibles en forma resumida:
- Máquina A: n = 25, Media = 500.2 ml, Desviación estándar = 1.1 ml
- Máquina B: n = 25, Media = 498.9 ml, Desviación estándar = 1.0 ml
La comparación de las dispersiones se realiza mediante una prueba F (2 muestras).
Interpretación
La prueba F muestra ninguna diferencia estadísticamente significativa en la dispersión de la cantidad de llenado entre las dos máquinas. El valor p es 0.644, que está por encima de 0.05, por lo que se mantiene la hipótesis nula.
→ Ambas máquinas operan de manera igualmente consistente en términos de cantidad de llenado.
Tiempo de respuesta
En el servicio de mesa de ayuda de TI, los tickets se procesan en múltiples ubicaciones. Los tiempos de respuesta se evalúan regularmente para identificar diferencias en la estabilidad del proceso. En el ejemplo, hay datos disponibles de tres ubicaciones. La prueba F (2 muestras) básicamente solo es adecuada para comparar dos grupos. Para más de dos ubicaciones, hay dos enfoques:
Comparaciones por pares con la prueba F: Cada ubicación puede compararse por pares con las otras (por ejemplo, A vs. B, A vs. C, B vs. C).
Alternativa – prueba de Levene sobre múltiples grupos: Si se deben considerar todas las ubicaciones simultáneamente, una comparación de varianza robusta sobre múltiples grupos suele ser la herramienta más adecuada.
Nota: Con múltiples pruebas F por pares, aumenta el riesgo de aciertos aleatorios.
Interpretación
La prueba F muestra una diferencia estadísticamente significativa entre las varianzas de las ubicaciones DLZ Norte y DLZ Este (p = 0.000). Los tiempos de entrega en la ubicación Este varían significativamente más que en la ubicación Norte.
→ Para más de dos ubicaciones, se prefiere un procedimiento para múltiples grupos.
Tiempo de entrega por equipo
En ventas, las ofertas a clientes son procesadas por dos equipos. Se debe investigar si la variación en el tiempo de entrega difiere entre el Equipo A y el Equipo B.
Interpretación
El test F muestra una diferencia estadísticamente significativa en la variación del tiempo de entrega entre los dos equipos. El valor p es 0.047, justo por debajo de 0.05, por lo que se rechaza la hipótesis nula.
→ El Equipo A varía más y trabaja de manera menos consistente que el Equipo B.
Tiempo de entrega después del centro logístico
En el departamento de logística, se recogen y envían los pedidos de los clientes. Para aumentar la eficiencia, se han introducido nuevas carretillas elevadoras. Se debe investigar si la dispersión del tiempo de entrega (en horas) ha disminuido después de la introducción. El análisis se lleva a cabo como una prueba F unilateral (dirección “más grande”).
H₀: σ²Antes / σ²Después ≤ 1 | H₁: σ²Antes / σ²Después > 1
Interpretación
La prueba F unilateral muestra una diferencia estadísticamente significativa (F = 3.5934; p = 0.000). Los tiempos de entrega antes de la introducción se dispersan significativamente más que después.
→ Las nuevas carretillas elevadoras no solo han acortado el tiempo de entrega, sino que también lo han hecho más estable.
Comparación de Proveedores
En compras, los componentes se obtienen de dos proveedores. Se debe investigar si la variación en la tasa de rechazo por entrega difiere entre el Proveedor A y el Proveedor B (medido en %).
Nota: La prueba F asume datos métricos aproximadamente distribuidos normalmente. Los valores porcentuales pueden ser discretos; con pequeñas cantidades de entrega, la suposición de distribución normal puede no cumplirse. En caso de duda, se debe utilizar un método más robusto.
Interpretación
La prueba F muestra una diferencia estadísticamente significativa en la variación de la tasa de rechazo entre los proveedores (p = 0.005). Se rechaza la hipótesis nula.
→ El Proveedor B opera de manera más consistente; el Proveedor A muestra una mayor variación en la tasa de rechazo.
Desviación del Pronóstico
En la planificación de la producción, se crean pronósticos de demanda para diferentes períodos de planificación. Para evaluar la calidad del pronóstico, se calcula la desviación del pronóstico. Se examina si la dispersión entre los períodos de planificación a corto y largo plazo difiere:
- Horizonte a Corto Plazo: n = 30, desviación estándar = 1.5 %
- Horizonte a Largo Plazo: n = 30, desviación estándar = 3.8 %
Interpretación
El test F muestra que las dispersiones de los períodos de planificación a corto y largo plazo difieren estadísticamente de manera significativa (p = 0.000). Se rechaza la hipótesis nula.
→ Los pronósticos a largo plazo varían significativamente más que los a corto plazo.
Valor F: Estadístico de prueba del test F. Cociente de las dos varianzas muestrales.
s₁², s₂²: Varianzas muestrales de los grupos 1 y 2.
σ₁², σ₂²: Varianzas poblacionales de los grupos 1 y 2 (desconocidas, estimadas).
α = Nivel de significancia: Probabilidad de error preestablecida (usualmente 0.05).
H₀ (Hipótesis nula): Las varianzas de los dos grupos son iguales (σ₁² = σ₂²).
H₁ (Hipótesis alternativa): Las varianzas de los dos grupos difieren.
df = Grados de libertad: Derivados de los tamaños de muestra de ambos grupos (n₁ − 1 y n₂ − 1).
Intervalo de confianza: Rango de valores que contiene la verdadera razón de varianza con el nivel de confianza elegido.
Estadístico de Prueba F
Grados de Libertad
df₂ = n₂ − 1
Intervalo de Confianza (Límite Inferior)
Intervalo de Confianza (Límite Superior)
Relación de Desviaciones Estándar
Nota: Para el cálculo de las desviaciones estándar de la muestra, así como los valores de distribución y cuantiles de la distribución F y Chi-cuadrado, se utilizó NMath.