F 临界值计算器

我们的数学家发现，当从正常总体中抽取两个样本时，每对测量的方差分数总是追求相同的比例。

有趣的是，在普遍的年份中，以各种不同方式收集的样本变异性的百分比遵循相同的分布，即 F 分布。我们可以使用方差比来进行假设检验，因为我们知道方差比的抽样分布服从已知分布。

据说临界值是一个临界值，或者在双尾测试的情况下是两个临界值，它定义了拒绝区域。换句话说，临界值将检验统计量的尺度划分为拒绝区域和非拒绝区域。

以下是临界值计算器如何帮助您为最常用的统计测试塑造单尾和双尾临界值。

您可以在此处快速确定双尾和单尾测试的临界值。它适用于最常见的统计分布：标准正态分布 N （0， 1），即您有 Z 分数、T 学生、卡方或 F 分布。

要计算临界值，您必须首先了解在假设原假设为 true 的情况下检验统计量的分布。临界值是分布上与检验统计量具有相同可能性且等于显著性水平的点。假定这些值与临界值一样极端。

将临界值视为反对指定零假设的证据。它是由概率等于或大于原假设的距离函数获得的值。在误差概率框架中，基于检验统计量的适当距离函数具有以下通用形式：

X（阅读“X 条”）是总体基线或对照算术均值，0 是观测的均值/处理组均值，x 是均值的标准误。

特别是，如果检验是单侧的，则只有一个临界值;如果是双侧的，则有两个临界值：一个在分布的中位数的左侧，一个在分布的右侧。

在塑造总体结果时，您必须将 F 统计量与 p 值结合使用。显著结果并不意味着所有变量都显著。统计量只是比较所有变量的综合效应。

例如，如果使用 F 统计量执行回归分析以确定 R 平方（决定系数）的变化，则可以使用 p 值来获取“大图”。

选择 F 分布并输入度数以计算 F 统计量的临界值，即 （n – 1）。

以下是我们描述 F 分布误差在社会科学中广泛使用的方差分析中很常见。该分布也称为正值，类似于 X2 的分布。

没有单一的 F 分布可言，就像 T 分布一样。对于每对自由度，定义不同的 F 分布，一个用于分子，一个用于分母。

为了将所需概率转换为临界值，必须计算由两个自由度指定的 F 分布的逆累积 PDF。没有简单的方法可以找到 f 的临界值，虽然有表格，但使用计算器现在是首选方法。

在决定支持或拒绝原假设时，可以使用 F 统计量。难怪您会在 F 检验结果中看到 F 值和 F 临界值。

 

您从统计数据中得出的值称为 F 值或 F 统计量。

F 临界值是与您的 F 值进行比较的特定值。

如果检验中计算的 F 值大于 F 临界值，则可以拒绝原假设。但是，在 F 检验中，统计量只是显著性的一个度量。您还应该考虑 p 值。F 统计量确定 p 值，即结果偶然发生的可能性。

让我们定义术语 “F Test”，它指的是任何采用 F 分布的测试。大多数时候，当人们谈论 F-Test 时，他们引用 F-Test 来比较两种不同的方差。

F 统计量用于许多不同的测试，包括回归分析。可以制定 F 检验来查看倾斜线性回归是否比无回归产生明显更好的结果。

假设有一个表包含两个临界值，其中一个 F 值处于 p = 0.05 显著性水平。p = 0.01 显著性水平是 F 的第二个临界值。

计算您的 F 比。这具有与之关联的 （x， y） 点。

临界 F 比是交点。

如果获得的 F 值等于或大于此临界 F 值，则结果在该概率水平上为显著。

F 分数也被称为 F 度量，它是在二元分类统计分析中衡量测试准确性的指标。为了计算 F 分数，它同时考虑了测试的精确率和召回率。如果最佳值为 1，最差值为 0，则 F 分数可以解释为精确率和召回率的加权平均值。

F 检验计算器为以下问题提供了简单的答案：

F 检验值的意义是什么？

获得显著结果所需的 F 检验值是多少？

最后，t 检验（至少以本文中呈现的形式）要求样本来自变量相等的总体;变量等价性的 F 检验有时在均值相等的 t 检验之前使用。当风险很高或研究人员有点强迫症时，它将与 t 检验结合使用。