यह कैलकुलेटर क्या करता है
यह कैलकुलेटर दो समष्टि विचरणों की समानता के लिए F-परीक्षण चलाता है। दो कच्चे नमूने दर्ज करें और यह प्रत्येक नमूने का विचरण, F सांख्यिकी, दोनों स्वतंत्रता की कोटियाँ, आपके सार्थकता स्तर पर क्रांतिक मान या मान, एक p-मान और अस्वीकार या अस्वीकार न करने का निर्णय निकालता है। यह छात्रों, विश्लेषकों और इंजीनियरों के लिए उपयोगी है जिन्हें किसी अनुवर्ती विधि, जैसे पooled या Welch t-परीक्षण, चुनने से पहले यह जाँचना हो कि दो प्रक्रियाओं, उपकरणों या समूहों में समान प्रसार है या नहीं।
इसका उपयोग कैसे करें
इनपुट इस क्रम में दर्ज करें:
- नमूना 1 डेटा: कम से कम दो संख्याएँ, जो अल्पविराम, अर्धविराम, स्पेस या नई पंक्ति से अलग हों, और दशमलव चिह्न के रूप में बिंदु हो।
- नमूना 2 डेटा: उसी तरह दर्ज करें।
- विकल्प परिकल्पना: दो-पक्षीय (विचरण समान नहीं हैं), greater (विचरण 1 बड़ा है) या less (विचरण 1 छोटा है)।
- सार्थकता स्तर अल्फा: जैसे 0.05, जो 0 से अधिक और 0.5 से कम होना चाहिए।
नमूना 1 हमेशा अनुपात का अंश होता है, इसलिए एक-पक्षीय परीक्षणों के लिए नमूनों का क्रम मायने रखता है।
सूत्र
$$F = \frac{s_1^2}{s_2^2}, \qquad s^2 = \frac{1}{N-1}\sum_{i=1}^{N}(x_i-\bar{x})^2$$
यहाँ \(s_1^2\) और \(s_2^2\) नमूना विचरण हैं, \(x_i\) प्रेक्षण हैं, \(\bar{x}\) नमूना माध्य है और \(N\) नमूना आकार है। जब शून्य परिकल्पना सत्य हो और डेटा सामान्य हो, तो सांख्यिकी F बंटन का अनुसरण करती है, जिसकी अंश स्वतंत्रता की कोटि \(N_1-1\) और हर स्वतंत्रता की कोटि \(N_2-1\) होती है।
परिपाटियाँ और मान्यताएँ
- विचरण में भाजक \(n-1\) होता है, और नमूना 1 अंश है।
- स्वतंत्रता की कोटियाँ \(N_1-1\) और \(N_2-1\) हैं।
- ऊपरी विकल्प: यदि \(F\), \(1-\alpha\) क्वांटाइल से अधिक हो तो अस्वीकार करें। निचला विकल्प: यदि \(F\), \(\alpha\) क्वांटाइल से कम हो तो अस्वीकार करें। दो-पक्षीय: यदि \(F\), \(\alpha/2\) क्वांटाइल से कम या \(1-\alpha/2\) क्वांटाइल से अधिक हो तो अस्वीकार करें।
- असमिकाएँ सख्त हैं, इसलिए जब F ठीक क्रांतिक मान के बराबर हो तो अस्वीकार नहीं होता।
- p-मान ऊपरी पूँछ है greater विकल्प के लिए और निचली पूँछ है less विकल्प के लिए। दो-पक्षीय परीक्षण के लिए यह \(\min(1, 2\min(p_{\text{निम्न}}, p_{\text{ऊपरी}}))\) है। विधि NIST के क्रिटिकल क्षेत्रों का पालन करती है, परंतु NIST पृष्ठ कोई p-मान सूत्र नहीं देता, इसलिए यह दोहरी-पूँछ नियम उन क्षेत्रों से संगत एक डिज़ाइन चुनाव है। जब \(p<\alpha\) हो, ठीक तभी अस्वीकार करें।
- रैंक, टाई या सतत सुधार लागू नहीं होते, क्योंकि यह परीक्षण प्राचलिक है।
- परीक्षण स्वतंत्र नमूनों और सामान्य समष्टियों की मान्यता लेता है और सामान्यता से विचलन के प्रति संवेदनशील है।
- परिणाम पूर्ण परिशुद्धता पर गणना किए जाते हैं और लगभग 4 से 6 सार्थक अंकों में प्रदर्शित होते हैं।
कार्यित उदाहरण
नमूना 1 है 12.1, 13.4, 11.8, 14.2, 12.9, 13.7, 12.5, 14.8 (n = 8)। नमूना 2 है 12.4, 12.8, 12.2, 13.0, 12.6, 12.9, 12.5 (n = 7)। परीक्षण दो-पक्षीय है, जिसमें \(\alpha = 0.05\) है।
$$s_1^2 = 1.0850,\quad s_2^2 = 0.082381$$
$$F = \frac{1.0850}{0.082381} = 13.1705,\quad df_1 = 7,\ df_2 = 6$$
क्रांतिक मान 0.1954 (निचला) और 5.6955 (ऊपरी) हैं। चूँकि \(13.1705 > 5.6955\), शून्य परिकल्पना अस्वीकार की जाती है। p-मान 0.005860 है, जो 0.05 से कम है और निर्णय की पुष्टि करता है।
परिणाम पढ़ना और सीमाएँ
1 से बहुत अधिक F का अर्थ है कि नमूना 1 का प्रसार नमूना 2 से अधिक है; 0 के पास F का अर्थ इसके उलट है। छोटा p-मान समान विचरणों के विरुद्ध प्रमाण है। बड़ा p-मान बताता है कि डेटा में कोई अंतर नहीं दिखता, जो समानता का प्रमाण नहीं है, विशेषकर छोटे नमूनों में। जब डेटा तिरछा या भारी पूँछ वाला हो तो F-परीक्षण Levene या Brown-Forsythe परीक्षणों की तुलना में कहीं कम मज़बूत होता है, इसलिए पहले सामान्यता जाँचें। यदि नमूना 2 का विचरण शून्य हो तो F अपरिभाषित हो जाता है।
अक्सर पूछे जाने वाले प्रश्न
सार्थक परिणाम का क्या अर्थ है?
p-मान अल्फा से कम है, इसलिए यदि दोनों समष्टियों के विचरण समान होते तो देखा गया विचरण अनुपात असंभाव्य होता।
क्या नमूनों का क्रम मायने रखता है?
नमूनों की अदला-बदली करने पर \(1/F\) मिलता है और एक-पक्षीय विकल्प बदल जाते हैं। दो-पक्षीय निर्णय वही रहता है।
दो-पक्षीय p-मान को दोगुना क्यों किया जाता है?
दो-पक्षीय परीक्षण अल्फा को दोनों पूँछों में बराबर बाँटता है, इसलिए छोटी पूँछ की प्रायिकता दोगुनी की जाती है और 1 पर सीमित रखी जाती है।
कितने प्रेक्षणों की आवश्यकता है?
प्रत्येक नमूने में कम से कम दो, हालाँकि छोटे नमूने वास्तविक अंतर पहचानने की शक्ति बहुत कम देते हैं।
यदि मेरा डेटा सामान्य न हो तो?
F-परीक्षण भ्रामक परिणाम दे सकता है। Levene जैसे अधिक मज़बूत परीक्षण पर विचार करें।
स्रोत
- 1.3.5.9. F-Test for Equality of Two Variances, NIST/SEMATECH e-Handbook of Statistical Methods.