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.
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.
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.
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.