F Dağılımı Yüzde Noktası (Ters F / Kuantil) Hesaplayıcı

F Dağılımı Yüzde Noktası (Ters F / Kuantil) Hesaplayıcı

Büyüyen AI Skill PRO

Hesaplamaya Girin

Formül

Fp={x:Id1xd1x+d2(d12,d22)=P (alt)}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 (alt)} \,\}\quad d_1=\text{d1},\ d_2=\text{d2}
Kullanım istatistikleri

Reklam

Sonuç

F(d1, d2) dağılımının x yüzde noktası
3,3258
F kritik değeri (kuantil)
Dağılım F dağılımı
Tersine çevirme yöntemi Düzenlenmiş tamamlanmamış beta tersine çevirme (ikiye bölme)

Bu sayfadaki bir hatayı bildir

F dağılımı yüzde noktası nedir?

F dağılımı yüzde noktası (ters F, kuantil veya kritik değer olarak da bilinir), d1 (pay) ve d2 (payda) serbestlik derecelerine sahip kümülatif F dağılımının seçilen bir olasılığa eşit olduğu x değeridir. F dağılımının birikimli dağılım fonksiyonunun (CDF) tersidir ve ANOVA, regresyon genel anlamlılık testleri ile varyans oranı (varyans eşitliği) testleri için F tablolarında aradığınız kritik değerin tam karşılığıdır.

Dikey kritik değer çizgisiyle ayrılmış, gölgeli alt ve üst kuyruk alanlarına sahip F-dağılımı eğrisi
Yüzde noktası x, gölgeli alt kuyruk alanının P'ye eşit olduğu değerdir (kalan sağ alan ise Q'ya eşittir).

Hesaplama aracı nasıl kullanılır?

Önce bir kümülatif mod seçin. Olasılığınız \(P = \Pr(F \le x)\) biçimindeyse Alt kümülatif P seçeneğini kullanın; örneğin \(P = 0{,}95\) değeri, dağılımın %95'inin altında kaldığı noktayı verir. Eğer elinizde bir kuyruk olasılığı \(Q = \Pr(F > x)\) varsa Üst kümülatif Q seçeneğini kullanın; örneğin \(Q = 0{,}05\) değeri, alışılmış üst %5 kritik değerini döndürür. Ardından olasılığı (kesinlikle 0 ile 1 arasında), pay serbestlik derecesi d1'i ve payda serbestlik derecesi d2'yi girip hesaplayın.

Formülün açıklaması

F dağılımının CDF'i, düzenlenmiş tamamlanmamış beta fonksiyonu I ile yazılır: \(a = d_1/2\), \(b = d_2/2\) alıp \(w = d_1 \cdot x / (d_1 \cdot x + d_2)\) dönüşümünü yaptığımızda, \(\text{F-CDF}(x) = I_w(a, b)\) elde edilir. Bunu tersine çevirmek için araç, \(I_w(a, b) = \text{hedefP}\) denklemini \((0, 1)\) aralığında ikiye bölme (bisection) yöntemiyle w için çözer; bu sırada \(I_w\) değerini Lanczos log-gama yaklaşımı ve Numerical Recipes sürekli kesir yöntemiyle hesaplar. Daha sonra $$x = \frac{d_2 \cdot w}{d_1 \cdot (1 - w)}$$ ile geriye yerine koyarak x'i bulur. Üst modda hedef olasılık \(\text{hedefP} = 1 - Q\) olur.

Reklam

Çözümlü örnek

\(P = 0{,}95\), \(d_1 = 5\), \(d_2 = 10\) için üst %5 F kritik değerini arıyoruz. \(a = 2{,}5\) ve \(b = 5\) ile \(I_w(2{,}5, 5) = 0{,}95\) denklemini tersine çevirdiğimizde \(w \approx 0{,}6245\) bulunur ve $$x = \frac{10 \times 0{,}6245}{5 \times 0{,}3755} \approx 3{,}3258$$ elde edilir; bu da tablodaki \(F_{0{,}05}(5, 10) = 3{,}3258\) değeriyle örtüşür.

F Kritik Değerler Tablosu (Üst %5 Düzey)

Tablo, üst kuyruk kritik değerlerini \(F_{0.05}(d_1, d_2)\) listeler; bu, F-dağılımının sağındaki %5'lik noktadır. Bunlar \(Q = 0.05\) üst kuyruk olasılığına karşılık gelir, dolayısıyla alt kuyruk olasılığı \(P = 0.95\)'tir. Bir değeri yeniden üretmek için P = 0.95 (veya Q = 0.05) ile pay serbestlik derecesi \(d_1\) ve payda serbestlik derecesi \(d_2\) girin. Sütunlar \(d_1\) (pay), satırlar \(d_2\) (payda) değerleridir. Değerler 4 ondalık basamağa yuvarlanmıştır.

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

Örnek değerler: \(F_{0.05}(5,10) = 3.3258\), \(F_{0.05}(1,10) = 4.9646\) ve \(F_{0.05}(2,10) = 4.1028\). ∞ satırı \(\chi^2_{0.05}(d_1)/d_1\) değerine eşittir; \(d_1 = 1\) için bu \(1.96^2 = 3.8415\)'tir.

Reklam

Kritik Değerin Yorumlanması

Sağ kuyruklu test. ANOVA ve regresyon F-testlerinde, \(\alpha\) anlamlılık düzeyinde gözlenen istatistik üst kuyruk kritik değerini aştığında \(H_0\) boş hipotezi reddedilir:

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

Burada \(d_1\) pay serbestlik derecesidir (örneğin tek yönlü ANOVA'da grup sayısının eksi 1'i) ve \(d_2\) payda serbestlik derecesidir (örneğin artık serbestlik derecesi).

P ve Q. Hesap makinesi alt kuyruk olasılığı \(P = \Pr(F \le x)\) veya üst kuyruk olasılığı \(Q = \Pr(F > x)\) kabul eder; \(P = 1 - Q\)'dur. Anlamlılık düzeyi doğrudan üst kuyruğa karşılık gelir, \(\alpha = Q\); bu nedenle %5'lik bir test \(Q = 0.05\) kullanır, yani \(P = 0.95\)'tir.

İki yönlü varyans oranı testleri. İki varyansın iki yönlü bir alternatife karşı eşit olup olmadığını test etmek için anlamlılık düzeyi bölünür ve iki kritik değer kullanılır: \(F_{\alpha/2}(d_1, d_2)\) (üst) ve \(F_{1-\alpha/2}(d_1, d_2)\) (alt). Oran üst değerin üzerinde veya alt değerin altında kalırsa \(H_0\) reddedilir. Alt değer, ters değer özdeşliğinden elde edilir:

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

Serbestlik derecelerinin yer değiştirdiğine dikkat edin. Örneğin tablodan \(F_{0.05}(10, 5) = 4.7351\) olduğundan, \(F_{0.95}(5, 10) = 1/4.7351 \approx 0.2112\)'dir.

\(d_2\) arttıkça davranış. Payda tahmini daha hassas hale geldiğinden, tablonun her sütunu \(d_2\) arttıkça azalır. \(d_2 \to \infty\) olduğunda kritik değer \(\chi^2_{\alpha}(d_1)/d_1\) değerine yaklaşır. Tablonun ∞ satırı bu limiti gösterir.

Şekil. F-dağılımı yalnızca \(x > 0\) için tanımlıdır ve özellikle küçük serbestlik dereceleri için sağa çarpıktır. Bu nedenle alt ve üst kritik değerler 1 etrafında simetrik değildir ve alt kuyruk için ters değer özdeşliğine ihtiyaç duyulur.

Sıkça sorulan sorular

P ile Q arasındaki fark nedir? P, x'e kadar olan alt kuyruk (kümülatif) olasılığıdır; Q ise x'in ötesindeki üst kuyruk olasılığıdır. Aralarındaki ilişki \(P = 1 - Q\) şeklindedir.

Olasılık neden kesinlikle 0 ile 1 arasında olmalı? 0 olasılığı \(x = 0\) kuantiline, 1 olasılığı ise \(x \to \infty\) değerine karşılık gelir; bunların hiçbiri sonlu ve anlamlı bir kritik değer değildir.

Serbestlik dereceleri tam sayı olmak zorunda mı? Hayır — matematiksel olarak herhangi bir pozitif gerçek d1 ve d2 değeriyle çalışır; ancak ANOVA uygulamalarında genellikle tam sayılar kullanılır.

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör