F分布のパーセント点(逆F・分位点)計算

F分布のパーセント点(逆F・分位点)計算

新興 AI Skill PRO

計算を入力してください

公式

Fp={x:Id1xd1x+d2(d12,d22)=P(下側)}d1=d1,d2=d2F_p = \{\, x : I_{\frac{d_1 x}{d_1 x + d_2}}\!\left(\tfrac{d_1}{2},\tfrac{d_2}{2}\right) = \text{P(下側)} \,\}\quad d_1=\text{d1},\ d_2=\text{d2}
利用統計

広告

結果

F(d1, d2) のパーセント点 x
3.3258
F臨界値(分位点)
分布 F分布
逆関数の計算方法 正規化不完全ベータ関数の逆算(二分法)

このページの誤りを報告

F分布のパーセント点とは

F分布のパーセント点(逆F・分位点・棄却限界値とも呼ばれます)とは、分子自由度d1・分母自由度d2を持つF分布の累積確率が指定した値になるような x のことです。これはF分布の累積分布関数(CDF)の逆関数にあたり、分散分析(ANOVA)や回帰モデル全体の有意性検定、分散比(等分散性)の検定で、F分布表から読み取る臨界値そのものを表します。

垂直の臨界値線で分割され、左裾と右裾に塗りつぶし面積を示したF分布曲線
パーセント点 x は、左裾の塗りつぶし面積が P に等しくなる値です(残りの右側の面積は Q に等しくなります)。

計算機の使い方

まず累積モードを選びます。確率が \( P = \Pr(F \le x) \) で与えられる場合は 下側累積 P を選択してください。たとえば P = 0.95 とすると、分布全体の95%がその値より下に収まる x が求まります。上側の確率 \( Q = \Pr(F > x) \) を扱う場合は 上側累積 Q を選びます。たとえば Q = 0.05 なら、よく使われる上側5%の臨界値が得られます。続いて確率(0より大きく1より小さい値)、分子自由度 d1、分母自由度 d2 を入力し、計算を実行します。

計算式の解説

F分布のCDFは、正規化不完全ベータ関数 I を用いて表されます。\( a = d_1/2 \)、\( b = d_2/2 \) とし、\( w = \frac{d_1 x}{d_1 x + d_2} \) と置き換えると、 $$\text{F-CDF}(x) = I_w(a, b)$$ となります。逆関数を求めるため、この計算機は \( I_w(a, b) = \text{targetP} \) を満たす w を区間 (0, 1) 上の二分法で解きます。\( I_w \) の評価には Lanczos 近似による対数ガンマ関数と、Numerical Recipes に基づく連分数展開を用います。求めた w を $$x = \frac{d_2 w}{d_1 (1 - w)}$$ に代入して x を逆算します。上側モードの場合、目標確率は \( \text{targetP} = 1 - Q \) となります。

広告

計算例

P = 0.95、d1 = 5、d2 = 10 の場合、上側5%のF臨界値を求めます。\( a = 2.5 \)、\( b = 5 \) として \( I_w(2.5, 5) = 0.95 \) を逆算すると \( w \approx 0.6245 \) となり、 $$x = \frac{10 \times 0.6245}{5 \times 0.3755} \approx 3.3258$$ が得られます。これは表に載っている \( F_{0.05}(5, 10) = 3.3258 \) と一致します。

F臨界値表(上側5%水準)

この表は上側の臨界値 \(F_{0.05}(d_1, d_2)\)(F分布の右側に5%の確率がある点)を示します。これは上側確率 \(Q = 0.05\) に対応するので、下側確率は \(P = 0.95\) です。値を再現するには、P = 0.95(または Q = 0.05)と、分子の自由度 \(d_1\)、分母の自由度 \(d_2\) を入力します。列は \(d_1\)(分子)、行は \(d_2\)(分母)を表します。値は小数点以下4桁に四捨五入しています。

d2 \ d1 1 2 3 4 5 6 8 10 12
5 6.6079 5.7861 5.4095 5.1922 5.0503 4.9503 4.8183 4.7351 4.6777
10 4.9646 4.1028 3.7083 3.4780 3.3258 3.2172 3.0717 2.9782 2.9130
15 4.5431 3.6823 3.2874 3.0556 2.9013 2.7905 2.6408 2.5437 2.4753
20 4.3513 3.4928 3.0984 2.8661 2.7109 2.5990 2.4471 2.3479 2.2776
30 4.1709 3.3158 2.9223 2.6896 2.5336 2.4205 2.2662 2.1646 2.0921
60 4.0012 3.1504 2.7581 2.5252 2.3683 2.2541 2.0970 1.9926 1.9174
120 3.9201 3.0718 2.6802 2.4472 2.2899 2.1750 2.0164 1.9105 1.8337
∞ 3.8415 2.9957 2.6049 2.3719 2.2141 2.0986 1.9384 1.8307 1.7522

読み取り例:\(F_{0.05}(5,10) = 3.3258\)、\(F_{0.05}(1,10) = 4.9646\)、\(F_{0.05}(2,10) = 4.1028\)。∞行は \(\chi^2_{0.05}(d_1)/d_1\) に等しく、\(d_1 = 1\) の場合は \(1.96^2 = 3.8415\) です。

広告

臨界値の解釈

右側検定。 分散分析(ANOVA)および回帰のF検定では、帰無仮説 \(H_0\) は有意水準 \(\alpha\) において、観測された統計量が上側臨界値を超えたときに棄却されます:

$$F_{\text{観測}} > F_{\alpha}(d_1, d_2) \;\Rightarrow\; \text{\text{棄却}} H_0.$$

ここで \(d_1\) は分子の自由度(例:一元配置分散分析では群の数から1を引いた値)で、\(d_2\) は分母の自由度(例:残差の自由度)です。

PとQ。 計算機は下側確率 \(P = \Pr(F \le x)\) または上側確率 \(Q = \Pr(F > x)\) を受け付け、\(P = 1 - Q\) です。有意水準は上側に直接対応し、\(\alpha = Q\) となるので、5%検定では \(Q = 0.05\)、すなわち \(P = 0.95\) を用います。

両側分散比検定。 2つの分散が等しいかを両側対立仮説に対して検定するには、有意水準を分割し、2つの臨界値 \(F_{\alpha/2}(d_1, d_2)\)(上側)と \(F_{1-\alpha/2}(d_1, d_2)\)(下側)を用います。比が上側の値より大きいか、下側の値より小さい場合に \(H_0\) を棄却します。下側の値は次の逆数の関係から求められます:

$$F_{1-\alpha}(d_1, d_2) = \frac{1}{F_{\alpha}(d_2, d_1)}.$$

自由度が入れ替わる点に注意してください。例えば表から \(F_{0.05}(10, 5) = 4.7351\) なので、\(F_{0.95}(5, 10) = 1/4.7351 \approx 0.2112\) です。

\(d_2\) が大きくなるときの振る舞い。 分母の推定値がより精密になるため、表の各列は \(d_2\) の増加とともに減少します。\(d_2 \to \infty\) のとき、臨界値は \(\chi^2_{\alpha}(d_1)/d_1\) に近づきます。表の∞行はこの極限を示します。

形状。 F分布は \(x > 0\) の範囲でのみ定義され、特に自由度が小さいとき右に裾を長く引く分布です。そのため下側と上側の臨界値は1を中心に対称にならず、下側の値を求めるには逆数の関係が必要になります。

よくある質問

P と Q の違いは何ですか? P は x までの下側(累積)確率、Q は x を超える上側確率です。両者には \( P = 1 - Q \) の関係があります。

なぜ確率は0より大きく1より小さくなければならないのですか? 確率0は分位点 x = 0 に、確率1は x → 無限大に対応し、いずれも有限で意味のある臨界値にはならないためです。

自由度は整数でなくてもよいですか? はい。計算式は正の実数 d1・d2 すべてに対して成り立ちます。ただし分散分析(ANOVA)では通常、整数を用います。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る