Калькулятор теста Фридмана

Калькулятор теста Фридмана

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

T1=(k−1)∑j(Rj−b(k+1)/2)2A1−C1forТаблица данныхT_1=\frac{(k-1)\sum_{j}\left(R_j-b(k+1)/2\right)^2}{A_1-C_1}\ \text{for}\ \text{Таблица данных}
Показать шаги расчёта (2)
  1. T2 Конувера

    T2=(b−1)T1b(k−1)−T1atАльфаT_2=\frac{(b-1)T_1}{b(k-1)-T_1}\ \text{at}\ \text{Альфа}

    Сравнивается с F-распределением с k-1 и (b-1)(k-1) степенями свободы при выбранном уровне значимости.

  2. T1 без связей

    T1=12bk(k+1)∑j=1k(Rj−b(k+1)2)2,withТаблица данных,Альфа,Эталонное распределениеT_1=\frac{12}{bk(k+1)}\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2,\quad \text{with}\ \text{Таблица данных},\ \text{Альфа},\ \text{Эталонное распределение}

    Статистика Фридмана, вычисленная по суммам рангов таблицы данных.

Статистика использования

Реклама

Результаты

p-значение
0,10645
Решение Не отвергать H0
T1 4,33333
T2 2,82609
p-значение по хи-квадрат 0,11456
p-значение по F 0,10645
Критическое значение 4,103
Суммы рангов 11,16,9
A1 84,00000
C1 72,00000
Блоки 6
Виды обработки 3

Сообщить об ошибке на этой странице

Что делает калькулятор теста Фридмана

Этот калькулятор проверяет, одинаково ли действие k видов обработки, если каждый вид измерен внутри каждого из b блоков (например, испытуемые, партии или дни). Это непараметрическая альтернатива дисперсионному анализу с повторными измерениями, основанная на рангах. Калькулятор ранжирует значения внутри каждого блока, суммирует ранги для каждого вида обработки и выводит статистику Фридмана T1, статистику Конувера T2, оба p-значения, критическое значение и решение: отвергнуть или не отвергать H0.

Как пользоваться

Введите таблицу данных: один блок в строке, один вид обработки в столбце. Разделяйте значения запятыми, точками с запятой, пробелами или табуляцией, а в качестве десятичного разделителя используйте точку. В каждой строке должно быть одинаковое количество значений, при этом блоков должно быть не менее 2, видов обработки тоже не менее 2. Затем выберите уровень значимости альфа (10%, 5%, 2,5% или 1%) и эталонное распределение для решения: F (T2 Конувера, вариант по умолчанию и предпочтительный) или хи-квадрат (T1).

Формулы

Внутри каждого блока значения ранжируются, \(R_j\) — сумма рангов для вида обработки j.

$$S=\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2$$

$$T_1=\frac{12\,S}{bk(k+1)}\quad\text{(без связей)},\qquad T_1=\frac{(k-1)\,S}{A_1-C_1}\quad\text{(со связями)}$$

$$A_1=\sum_i\sum_j R(X_{ij})^2,\qquad C_1=\frac{bk(k+1)^2}{4}$$

$$T_2=\frac{(b-1)\,T_1}{b(k-1)-T_1}$$

Здесь \(b\) — число блоков, \(k\) — число видов обработки, \(A_1\) — сумма всех квадратов рангов, \(C_1\) — поправочный коэффициент. T1 сравнивается с распределением хи-квадрат с \(k-1\) степенями свободы; T2 сравнивается с F-распределением с \(k-1\) и \((b-1)(k-1)\) степенями свободы.

Реклама
Таблица исходных данных «блоки × обработки», преобразованная в ранги внутри каждой строки, с суммированием рангов по каждому столбцу в итоги R1, R2, R3
Каждый блок (строку) ранжируют отдельно, затем ранги складывают по каждому столбцу обработки, получая суммы рангов R_j.

Соглашения и допущения

  • Ранжирование выполняется по возрастанию внутри каждого блока: ранг 1 получает наименьшее значение. Совпадающим значениям присваивается среднее из рангов, которые они занимают. Направление ранжирования не меняет статистику.
  • Если в каком-либо блоке есть совпадающие значения, используется T1 с поправкой на связи. Без связей обе формы совпадают.
  • T2 — предпочтительная статистика, так как её F-аппроксимация обычно точнее хи-квадрат-аппроксимации T1.
  • p-значения — это вероятности правого хвоста. H0 отвергается только если статистика строго больше критического значения (p меньше альфа); равенство означает, что H0 не отвергается.
  • Поправка на непрерывность не применяется.
  • Если T1 равна b(k-1), все блоки упорядочивают виды обработки одинаково, T2 бесконечна, p-значение по F равно 0 и H0 отвергается.
  • Если все значения во всех блоках равны, статистика не определена и возвращается ошибка.
  • Множественные сравнения после теста не включены.

Пример расчёта

Данные содержат b = 6 блоков и k = 3 вида обработки, при alpha = 0,05 и эталоне F. Строки: 4 5 3, 6 7 5, 8 6 9, 5 7 4, 7 9 6 и 3 6 5. После ранжирования внутри каждой строки суммы рангов равны 11, 16 и 9.

$$A_1=84,\qquad C_1=\frac{6\times 3\times 4^2}{4}=72$$

$$T_1=4{,}33333,\qquad T_2=\frac{(6-1)\times 4{,}33333}{6\times 2-4{,}33333}=2{,}82609$$

p-значение по F при 2 и 10 степенях свободы равно 0,10645, критическое значение — 4,103. p-значение по хи-квадрат для T1 равно 0,11456. Поскольку 2,82609 меньше 4,103 (p = 0,10645 больше 0,05), решение: не отвергать H0.

Как читать результат

Малое p-значение говорит о том, что хотя бы один вид обработки внутри блоков стабильно получает более высокие или более низкие ранги, чем остальные. Большое p-значение означает, что данные не показывают устойчивого эффекта обработки; это не доказывает равенство видов обработки. Тест ничего не говорит о том, какие именно виды различаются. При малом числе блоков аппроксимация хи-квадрат менее надёжна, поэтому T2 выбрана по умолчанию. Пропущенные значения не поддерживаются, поэтому каждый блок должен быть полным.

Реклама
Кривая плотности хи-квадрат с закрашенной областью отклонения в правом хвосте за критическим значением и наблюдаемой статистикой внутри неё
Отклоняйте нулевую гипотезу о равенстве обработок, когда статистика выходит за критическое значение, в область верхнего хвоста размера α.

Часто задаваемые вопросы

Когда использовать тест Фридмана?

Используйте его, когда одни и те же объекты измерены в нескольких условиях, а данные порядковые или не распределены нормально, так что дисперсионный анализ с повторными измерениями не подходит.

Почему есть два p-значения?

T1 следует приблизительному распределению хи-квадрат, а T2 — приблизительному F-распределению, которое обычно точнее. Решение использует то, которое вы выберете.

Как обрабатываются совпадающие значения?

Совпадающие значения получают среднее из своих рангов, а T1 переключается на вариант с поправкой на связи.

Важно ли направление ранжирования?

Нет. Ранжирование по убыванию даёт ту же статистику.

Что означает бесконечная T2?

Это происходит, когда каждый блок ранжирует виды обработки в одном и том же порядке. Тогда p-значение по F равно 0, и H0 отвергается.

Источники

Источники и ссылки

  • Dataplot FRIEDMAN TEST — NIST/ITL. Primary source for formulas, T2 and critical regions. · Действует с 2023-12-11 · Проверено 2026-11-04
Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика