Калькулятор F-статистики - ANOVA и тест отношения дисперсий
Рассчитывайте F-статистику, степени свободы, p-значение и критическое значение F для сравнения двух выборочных дисперсий в ANOVA или тесте отношения F.
Введите выборочную дисперсию и размер каждой группы, выберите уровень значимости и получите F-статистику с понятным решением: отклонять или не отклонять гипотезу.
Калькулятор F-статистики
Сравните дисперсии двух групп с помощью теста отношения F
Данные группы 1
Данные группы 2
О калькуляторе F-статистики
F-статистика — это отношение двух дисперсий, используемое для определения того, являются ли различия между групповыми средними или групповыми дисперсиями статистически значимыми. Названная в честь сэра Рональда А. Фишера, она лежит в основе дисперсионного анализа (ANOVA) и также является ключевой величиной в F-тесте на равенство двух дисперсий. Когда нужно решить, отличается ли разброс значений в одной группе от другой существенным образом, F-статистика дает строгий ответ, основанный на вероятностях.
По сути, F-статистика — это просто F = s₁² / s₂², где s₁² и s₂² — выборочные дисперсии двух независимых групп. По соглашению большая дисперсия помещается в числитель, чтобы F всегда было ≥ 1; так вся интересующая вероятностная масса оказывается в правом хвосте F-распределения. Затем полученное значение сравнивается с теоретическим F-распределением, заданным двумя значениями степеней свободы: df₁ = n₁ − 1 (числитель) и df₂ = n₂ − 1 (знаменатель). Большое значение F означает, что дисперсии сильно различаются; F около 1 означает, что они похожи.
F-распределение скошено вправо и принимает только неотрицательные значения. Его точная форма зависит от df₁ и df₂. Для двустороннего теста — самого распространенного типа, который проверяет любое различие независимо от направления — p-значение рассчитывается как 2 × P(F > F_obs), где P(F > F_obs) — площадь в правом хвосте F-распределения за пределами наблюдаемой статистики. Если это p-значение меньше или равно выбранному уровню значимости α, нулевая гипотеза H₀: σ₁² = σ₂² отклоняется, и делается вывод, что дисперсии значимо различаются.
В ANOVA F-статистика имеет немного другую форму: это отношение межгрупповой дисперсии (средние квадраты между группами, или MSB) к внутригрупповой дисперсии (средние квадраты внутри групп, или MSW). Если средние всех групп одинаковы, MSB и MSW должны быть примерно равны, что дает F ≈ 1. По мере расхождения групповых средних MSB растет относительно MSW, а F увеличивается и в итоге превышает критический порог.
Распространенные применения F-статистики включают контроль качества в производстве (производят ли две машины детали с одинаковой изменчивостью?), образовательные исследования (дают ли две методики обучения одинаково стабильные результаты тестов?), финансовый анализ (имеют ли две акции похожую волатильность?) и аграрную науку (дают ли два удобрения урожай с одинаковой стабильностью?). Перед выполнением двухвыборочного t-теста многие аналитики сначала используют F-тест, чтобы проверить предположение о равенстве дисперсий; если F-тест отклоняет H₀, более подходящим является t-тест Уэлча (неравные дисперсии).
Этот калькулятор автоматизирует вычисление CDF F-распределения с помощью регуляризованной неполной бета-функции, выдавая точные p-значения для любых положительных степеней свободы без необходимости пользоваться статистическими таблицами. Критическое значение F находится численным обращением CDF. Оба результата согласуются со значениями, получаемыми в R, Python (scipy) и SPSS.
Примеры калькулятора F-статистики
Три реальных сценария, показывающих, как применять F-тест для сравнения дисперсий.
| Ввод | Результат | Контекст |
|---|---|---|
| s₁² = 0.34, n₁ = 25; s₂² = 0.29, n₂ = 25; α = 0.05 | F = 1.1724, p ≈ 0.6767 — не отклонять H₀ | Две машины производят болты. Дисперсия диаметра не отличается значимо на уровне 5%. |
| s₁² = 110, n₁ = 41; s₂² = 135, n₂ = 31; α = 0.05 | F = 1.2273, p ≈ 0.5061 — не отклонять H₀ | Две методики обучения. Дисперсии результатов тестов значимо не различаются; обе методики дают схожую стабильность. |
| s₁² = 1.5, n₁ = 30; s₂² = 1.2, n₂ = 30; α = 0.01 | F = 1.25, p ≈ 0.5717 — не отклонять H₀ | Дисперсии дневной доходности акций. На уровне значимости 1% нет доказательств различной волатильности. |
| s₁² = 550, n₁ = 50; s₂² = 620, n₂ = 50; α = 0.10 | F = 1.1273, p ≈ 0.5659 — не отклонять H₀ | Урожайность с двумя удобрениями. Дисперсия выхода статистически похожа на уровне 10%. |
Как пользоваться калькулятором F-статистики
- Введите выборочную дисперсию (s²) и размер выборки (n) для группы 1 в разделе «Данные группы 1». Оба значения должны быть числами: дисперсия ≥ 0, размер выборки ≥ 2.
- Введите соответствующую дисперсию и размер выборки для группы 2 в разделе «Данные группы 2».
- Выберите нужный уровень значимости α в раскрывающемся списке — 0.01, 0.05 или 0.10 являются тремя стандартными вариантами.
- Нажмите «Рассчитать». Калькулятор помещает большую дисперсию в числитель, вычисляет F = s_max² / s_min², выводит степени свободы (df₁ = n_max − 1, df₂ = n_min − 1) и оценивает двустороннее p-значение и критическое значение F.
- Сравните p-значение с α. Если p ≤ α, отклоните H₀ и заключите, что дисперсии значимо различаются. Иначе не отклоняйте H₀. Нажмите «Сбросить», чтобы очистить все поля и начать заново.
FAQ по калькулятору F-статистики
Что такое F-статистика?
F-статистика — это отношение двух выборочных дисперсий: F = s₁² / s₂². По соглашению большая дисперсия помещается в числитель, поэтому F ≥ 1. При нулевой гипотезе о равенстве обеих дисперсий генеральных совокупностей она следует F-распределению со степенями свободы df₁ = n₁ − 1 и df₂ = n₂ − 1.
Что означает p-значение в F-тесте?
p-значение — это вероятность наблюдать F-статистику столь же экстремальную или более экстремальную, чем рассчитанная, при условии истинности H₀ (равные дисперсии). Малое p-значение (≤ α) означает, что такое большое отношение маловероятно при H₀, поэтому H₀ отклоняется. Большое p-значение означает, что данные согласуются с равенством дисперсий.
Когда использовать односторонний или двусторонний F-тест?
Используйте двусторонний тест (по умолчанию здесь), когда хотите обнаружить любое различие между дисперсиями независимо от направления. Односторонний тест используйте только при заранее заданной направленной гипотезе, например σ₁² > σ₂². Для одностороннего p-значения разделите двустороннее p-значение этого калькулятора пополам.
Каковы предположения F-теста?
F-тест на равенство дисперсий требует, чтобы обе выборки были взяты из нормально распределенных совокупностей и были независимыми. Если нормальность вызывает сомнения, рассмотрите тест Левена или тест Брауна–Форсайта, которые более устойчивы к ненормальности.
Как используется критическое значение F?
Критическое значение F_crit — это порог, за которым H₀ отклоняется при выбранном α. Если F_obs > F_crit, отклоните H₀. Критическое значение эквивалентно подходу с p-значением: F_obs > F_crit тогда и только тогда, когда p-значение < α. Оба метода всегда дают одно и то же решение.
В чем разница между F-тестом и t-тестом?
t-тест сравнивает средние двух групп, тогда как F-тест (в двухвыборочном контексте) сравнивает их дисперсии. В ANOVA F-статистика сравнивает дисперсию между групповыми средними с дисперсией внутри групп, фактически проверяя, равны ли все групповые средние. Двухвыборочный t-тест можно рассматривать как частный случай, где значение F равно t².