En muchos problemas de aplicación, los algoritmos de transformación F son muy eficientes. En las técnicas de transformación F, reemplazamos la señal o imagen original con un número finito de promedios ponderados. El uso de un promedio ponderado puede ser explicado de manera natural, por ejemplo, por el hecho de que esto es lo que obtenemos de todos modos cuando medimos la señal. Sin embargo, la mayoría de las aplicaciones exitosas de la transformación F tienen una característica adicional no tan fácil de explicar: el requisito de partición difusa de que la suma de todas las funciones de ponderación relacionadas sea constante. En este documento, mostramos que este requisito aparentemente difícil de explicar también puede ser explicado de manera natural en términos de medición de señales: es decir, este requisito puede derivarse del deseo natural de tener todos los valores de la señal en diferentes momentos de tiempo estimados con la misma precisión. Esta explicación es la principal contribución de este documento.