Calculateur de test F pour l'égalité de deux variances

Calculateur de test F pour l'égalité de deux variances

En croissance AI Skill PRO

Entrez le calcul

Formule

s2=1N−1∑(xi−x‾)2s^2 = \frac{1}{N-1}\sum (x_i-\bar{x})^2
Afficher les étapes du calcul (2)
  1. Rejet bilatéral

    F<Fα/2ouF>F1−α/2oùα=Niveau de signification alphaet le test estHypothèse alternativeF < F_{\alpha/2}\ \text{ou}\ F > F_{1-\alpha/2}\ \text{où}\ \alpha = \text{Niveau de signification alpha}\ \text{et le test est}\ \text{Hypothèse alternative}

    Rejet lorsque F se situe en dehors des valeurs critiques à queues égales pour le niveau alpha choisi.

  2. Statistique F

    F=s12s22=Données échantillon 1 varianceDonnées échantillon 2 varianceF = \frac{ s_1^2}{s_2^2} = \frac{\text{Données échantillon 1} \text{ variance}}{\text{Données échantillon 2} \text{ variance}}

    Rapport des variances des échantillons, échantillon 1 sur échantillon 2.

Statistiques d'utilisation

Publicité

Résultats

Statistique F
13,1705
Degrés de liberté du numérateur 7
Degrés de liberté du dénominateur 6
Variance de l'échantillon 1 1,0850
Variance de l'échantillon 2 0,0824
Valeur critique inférieure 0,1954
Valeur critique supérieure 5,6955
p-value 0,005860
Rejeter H0 Oui

Signaler une erreur sur cette page

À quoi sert ce calculateur

Ce calculateur effectue un test F d'égalité de deux variances de populations. Saisissez deux échantillons bruts et il calcule la variance de chaque échantillon, la statistique F, les deux degrés de liberté, la ou les valeurs critiques à votre niveau de signification, une p-value, ainsi qu'une décision de rejet ou de non-rejet. Il s'adresse aux étudiants, aux analystes et aux ingénieurs qui doivent vérifier si deux processus, instruments ou groupes présentent la même dispersion avant de choisir une méthode de suivi, comme un test t de Student à variances égales ou un test t de Welch.

Deux échantillons de dispersions différentes présentés en diagrammes de points, avec leurs variances mises en rapport
La statistique F compare la dispersion de deux échantillons en divisant la variance de l'un par celle de l'autre.

Mode d'emploi

Saisissez les données dans cet ordre :

  • Données de l'échantillon 1 : au moins deux nombres séparés par des virgules, des points-virgules, des espaces ou des retours à la ligne, avec un point comme séparateur décimal.
  • Données de l'échantillon 2 : saisie de la même manière.
  • Hypothèse alternative : bilatérale (variances différentes), supérieure (variance 1 plus grande) ou inférieure (variance 1 plus petite).
  • Niveau de signification alpha : une valeur telle que 0.05, qui doit être supérieure à 0 et inférieure à 0.5.

L'échantillon 1 est toujours le numérateur du rapport, donc l'ordre des échantillons compte pour les tests unilatéraux.

La formule

$$F = \frac{s_1^2}{s_2^2}, \qquad s^2 = \frac{1}{N-1}\sum_{i=1}^{N}(x_i-\bar{x})^2$$

Ici \(s_1^2\) et \(s_2^2\) sont les variances des échantillons, \(x_i\) sont les observations, \(\bar{x}\) est la moyenne de l'échantillon et \(N\) est la taille de l'échantillon. La statistique suit une loi F à \(N_1-1\) degrés de liberté au numérateur et \(N_2-1\) au dénominateur lorsque l'hypothèse nulle est vraie et que les données sont normales.

Publicité

Conventions et hypothèses

  • Les variances utilisent le diviseur \(n-1\), et l'échantillon 1 est le numérateur.
  • Les degrés de liberté sont \(N_1-1\) et \(N_2-1\).
  • Alternative supérieure : rejet si \(F\) dépasse le quantile \(1-\alpha\). Alternative inférieure : rejet si \(F\) est inférieur au quantile \(\alpha\). Bilatérale : rejet si \(F\) est inférieur au quantile \(\alpha/2\) ou supérieur au quantile \(1-\alpha/2\).
  • Les inégalités sont strictes, donc un F exactement égal à une valeur critique ne conduit pas au rejet.
  • La p-value est la queue supérieure pour l'alternative supérieure et la queue inférieure pour l'alternative inférieure. Pour le test bilatéral, elle vaut \(\min(1, 2\min(p_{\text{inférieure}}, p_{\text{supérieure}}))\). La méthode suit les régions critiques du NIST, mais la page du NIST n'indique aucune formule de p-value : cette règle de queue doublée est donc un choix de conception cohérent avec ces régions. Il y a rejet exactement lorsque \(p<\alpha\).
  • Aucun rang, aucune égalité ni correction de continuité ne s'appliquent, car le test est paramétrique.
  • Le test suppose des échantillons indépendants issus de populations normales et il est sensible aux écarts à la normalité.
  • Les résultats sont calculés en pleine précision et affichés avec environ 4 à 6 chiffres significatifs.

Exemple résolu

L'échantillon 1 est 12.1, 13.4, 11.8, 14.2, 12.9, 13.7, 12.5, 14.8 (n = 8). L'échantillon 2 est 12.4, 12.8, 12.2, 13.0, 12.6, 12.9, 12.5 (n = 7). Le test est bilatéral avec \(\alpha = 0.05\).

$$s_1^2 = 1.0850,\quad s_2^2 = 0.082381$$

$$F = \frac{1.0850}{0.082381} = 13.1705,\quad df_1 = 7,\ df_2 = 6$$

Les valeurs critiques sont 0.1954 (inférieure) et 5.6955 (supérieure). Comme \(13.1705 > 5.6955\), l'hypothèse nulle est rejetée. La p-value vaut 0.005860, ce qui est inférieur à 0.05 et confirme la décision.

Lire le résultat et ses limites

Un F très supérieur à 1 signifie que l'échantillon 1 est plus dispersé que l'échantillon 2 ; un F proche de 0 signifie l'inverse. Une petite p-value constitue une preuve contre l'égalité des variances. Une grande p-value signifie que les données ne montrent pas de différence, ce qui ne prouve pas l'égalité, surtout avec de petits échantillons. Le test F est beaucoup moins robuste que les tests de Levene ou de Brown-Forsythe lorsque les données sont asymétriques ou à queues lourdes ; vérifiez donc d'abord la normalité. Un échantillon de variance nulle dans l'échantillon 2 rend F indéfini.

Publicité
Distribution F asymétrique à droite avec des régions de rejet ombrées dans les deux queues
Dans un test bilatéral, l'hypothèse nulle d'égalité des variances est rejetée lorsque F tombe dans l'une des queues ombrées au-delà des valeurs critiques.

FAQ

Que signifie un résultat significatif ?

La p-value est inférieure à alpha, donc le rapport de variances observé serait peu probable si les deux populations avaient la même variance.

L'ordre des échantillons a-t-il de l'importance ?

Inverser les échantillons donne \(1/F\) et inverse les alternatives unilatérales. La décision bilatérale reste la même.

Pourquoi la p-value bilatérale est-elle doublée ?

Le test bilatéral répartit alpha à parts égales entre les deux queues, donc la plus petite probabilité de queue est doublée et plafonnée à 1.

Combien d'observations faut-il ?

Au moins deux par échantillon, bien que les petits échantillons offrent une faible puissance pour détecter de vraies différences.

Que faire si mes données ne sont pas normales ?

Le test F peut donner des résultats trompeurs. Envisagez un test plus robuste, comme celui de Levene.

Sources

Sources et références

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques