Calculadora de estatística F - ANOVA e teste de razão de variâncias
Calcule a estatística F, os graus de liberdade, o valor p e o valor F crítico para comparar duas variâncias amostrais em uma ANOVA ou teste de razão F.
Insira a variância amostral e o tamanho de cada grupo, escolha um nível de significância e obtenha a estatística F com uma decisão clara de rejeitar ou não rejeitar.
Calculadora de estatística F
Compare as variâncias de dois grupos usando o teste de razão F
Dados do grupo 1
Dados do grupo 2
Sobre a calculadora de estatística F
A estatística F é uma razão entre duas variâncias usada para determinar se diferenças entre médias de grupos ou variâncias de grupos são estatisticamente significativas. Batizada em homenagem a Sir Ronald A. Fisher, ela forma a base da análise de variância (ANOVA) e também é a quantidade-chave no teste F para igualdade de duas variâncias. Sempre que você precisa decidir se a dispersão dos valores em um grupo difere de modo relevante da de outro, a estatística F fornece uma resposta rigorosa baseada em probabilidade.
Em sua essência, a estatística F é simplesmente F = s₁² / s₂², em que s₁² e s₂² são as variâncias amostrais de dois grupos independentes. Por convenção, a maior variância é colocada no numerador para que F seja sempre ≥ 1, o que restringe toda a massa de probabilidade de interesse à cauda direita da distribuição F. O valor resultante é então comparado a uma distribuição F teórica parametrizada por dois valores de graus de liberdade: df₁ = n₁ − 1 (numerador) e df₂ = n₂ − 1 (denominador). Um valor F grande significa que as variâncias são muito diferentes; um F próximo de 1 significa que elas são semelhantes.
A distribuição F é assimétrica à direita e assume apenas valores não negativos. Seu formato exato depende de df₁ e df₂. Para um teste bicaudal — o tipo mais comum, que verifica qualquer diferença independentemente da direção — o valor p é calculado como 2 × P(F > F_obs), em que P(F > F_obs) é a área na cauda direita da distribuição F além da estatística observada. Se esse valor p for menor ou igual ao nível de significância α escolhido, você rejeita a hipótese nula H₀: σ₁² = σ₂² e conclui que as variâncias diferem significativamente.
Na ANOVA, a estatística F assume uma forma ligeiramente diferente: é a razão entre a variância entre grupos (quadrados médios entre grupos, ou MSB) e a variância dentro dos grupos (quadrados médios dentro dos grupos, ou MSW). Se as médias dos grupos forem todas idênticas, MSB e MSW devem ser aproximadamente iguais, resultando em F ≈ 1. À medida que as médias dos grupos divergem, MSB cresce em relação a MSW e F aumenta, até ultrapassar o limiar crítico.
Aplicações comuns da estatística F incluem controle de qualidade na manufatura (duas máquinas produzem peças com a mesma variabilidade?), pesquisa educacional (dois métodos de ensino levam a notas de teste igualmente consistentes?), análise financeira (duas ações têm volatilidade semelhante?) e ciência agrícola (dois fertilizantes produzem safras com a mesma consistência?). Antes de executar um teste t de duas amostras, muitos analistas usam primeiro o teste F para verificar a suposição de variâncias iguais; se o teste F rejeitar H₀, um teste t de Welch (variâncias desiguais) é mais apropriado.
Esta calculadora automatiza o cálculo da CDF da distribuição F usando a função beta incompleta regularizada, fornecendo valores p precisos para quaisquer graus de liberdade positivos sem necessidade de tabelas estatísticas. O valor F crítico é encontrado invertendo numericamente a CDF. Ambos os resultados são consistentes com os valores produzidos por R, Python (scipy) e SPSS.
Exemplos da calculadora de estatística F
Três cenários reais mostrando como aplicar o teste F para comparar variâncias.
| Entrada | Resultado | Contexto |
|---|---|---|
| s₁² = 0.34, n₁ = 25; s₂² = 0.29, n₂ = 25; α = 0.05 | F = 1.1724, p ≈ 0.6767 — não rejeitar H₀ | Duas máquinas produzindo parafusos. A variância do diâmetro não é significativamente diferente no nível de 5%. |
| s₁² = 110, n₁ = 41; s₂² = 135, n₂ = 31; α = 0.05 | F = 1.2273, p ≈ 0.5061 — não rejeitar H₀ | Dois métodos de ensino. As variâncias das notas dos testes não são significativamente diferentes; ambos os métodos produzem consistência semelhante. |
| s₁² = 1.5, n₁ = 30; s₂² = 1.2, n₂ = 30; α = 0.01 | F = 1.25, p ≈ 0.5717 — não rejeitar H₀ | Variâncias dos retornos diários de ações. No nível de significância de 1%, não há evidência de volatilidade diferente. |
| s₁² = 550, n₁ = 50; s₂² = 620, n₂ = 50; α = 0.10 | F = 1.1273, p ≈ 0.5659 — não rejeitar H₀ | Rendimento de culturas com dois fertilizantes. A variância da produção é estatisticamente semelhante no nível de 10%. |
Como usar a calculadora de estatística F
- Insira a variância amostral (s²) e o tamanho da amostra (n) do grupo 1 na seção "Dados do grupo 1". Ambos os valores devem ser números ≥ 0 (variância) e ≥ 2 (tamanho da amostra).
- Insira a variância e o tamanho da amostra correspondentes do grupo 2 na seção "Dados do grupo 2".
- Selecione o nível de significância α desejado no menu suspenso — 0.01, 0.05 ou 0.10 são as três opções padrão.
- Clique em "Calcular". A calculadora coloca a maior variância no numerador, calcula F = s_max² / s_min², deriva os graus de liberdade (df₁ = n_max − 1, df₂ = n_min − 1) e avalia o valor p bicaudal e o valor F crítico.
- Compare o valor p com α. Se p ≤ α, rejeite H₀ e conclua que as variâncias diferem significativamente. Caso contrário, não rejeite H₀. Clique em "Redefinir" para limpar todos os campos e começar novamente.
FAQ da calculadora de estatística F
O que é a estatística F?
A estatística F é a razão entre duas variâncias amostrais: F = s₁² / s₂². Por convenção, a maior variância fica no numerador, portanto F ≥ 1. Sob a hipótese nula de que ambas as variâncias populacionais são iguais, ela segue uma distribuição F com df₁ = n₁ − 1 e df₂ = n₂ − 1 graus de liberdade.
O que o valor p representa em um teste F?
O valor p é a probabilidade de observar uma estatística F tão extrema quanto — ou mais extrema que — a calculada, assumindo que H₀ (variâncias iguais) é verdadeira. Um valor p pequeno (≤ α) significa que uma razão tão grande é improvável sob H₀, então você rejeita H₀. Um valor p grande significa que os dados são consistentes com variâncias iguais.
Quando devo usar um teste F unicaudal ou bicaudal?
Use um teste bicaudal (o padrão aqui) quando quiser detectar qualquer diferença entre as variâncias, independentemente da direção. Use um teste unicaudal apenas se você tiver uma hipótese direcional prévia — por exemplo, σ₁² > σ₂². Para obter um valor p unicaudal, divida pela metade o valor p bicaudal desta calculadora.
Quais são as suposições do teste F?
O teste F para igualdade de variâncias exige que ambas as amostras sejam retiradas de populações normalmente distribuídas e que as amostras sejam independentes. Se houver dúvida sobre a normalidade, considere o teste de Levene ou o teste de Brown–Forsythe, que são mais robustos à não normalidade.
Como o valor F crítico é usado?
O valor F crítico F_crit é o limiar além do qual você rejeita H₀ no α escolhido. Se F_obs > F_crit, rejeite H₀. O valor crítico é equivalente à abordagem do valor p: F_obs > F_crit se e somente se valor p < α. Ambos os métodos sempre produzem a mesma decisão.
Qual é a diferença entre um teste F e um teste t?
Um teste t compara as médias de dois grupos, enquanto um teste F (no contexto de duas amostras) compara suas variâncias. Na ANOVA, a estatística F compara a variância entre médias de grupos com a variância dentro dos grupos, testando efetivamente se todas as médias dos grupos são iguais. O teste t de duas amostras pode ser visto como um caso especial em que o valor F é igual a t².