İki Varyansın Eşitliği için F-Testi Hesaplayıcısı

İki Varyansın Eşitliği için F-Testi Hesaplayıcısı

Popüler AI Skill PRO

Hesaplamaya Girin

Formül

s2=1N−1∑(xi−x‾)2s^2 = \frac{1}{N-1}\sum (x_i-\bar{x})^2
Hesaplama adımlarını göster (2)
  1. İki yönlü ret

    F<Fα/2veyaF>F1−α/2buradaα=Anlamlılık düzeyi alfave testAlternatif hipotezF < F_{\alpha/2}\ \text{veya}\ F > F_{1-\alpha/2}\ \text{burada}\ \alpha = \text{Anlamlılık düzeyi alfa}\ \text{ve test}\ \text{Alternatif hipotez}

    Seçilen alfada eşit kuyruklu kritik değerlerin dışında kalındığında reddedilir.

  2. F istatistiği

    F=s12s22=Örnek 1 verisi varyansÖrnek 2 verisi varyansF = \frac{ s_1^2}{s_2^2} = \frac{\text{Örnek 1 verisi} \text{ varyans}}{\text{Örnek 2 verisi} \text{ varyans}}

    Örnek varyanslarının oranı, örnek 1 bölü örnek 2.

Kullanım istatistikleri

Reklam

Sonuç

F istatistiği
13,1705
Pay serbestlik derecesi 7
Payda serbestlik derecesi 6
Örnek 1 varyansı 1,0850
Örnek 2 varyansı 0,0824
Alt kritik değer 0,1954
Üst kritik değer 5,6955
p-değeri 0,005860
H0 hipotezini reddet Evet

Bu sayfadaki bir hatayı bildir

Bu hesaplayıcı ne yapar?

Bu hesaplayıcı, iki anakütle varyansının eşitliği için bir F-testi uygular. İki ham örneği yapıştırdığınızda her örnek varyansını, F istatistiğini, her iki serbestlik derecesini, anlamlılık düzeyinize göre kritik değeri veya değerleri, bir p-değerini ve reddet veya reddetme kararını hesaplar. Öğrenciler, analistler ve mühendisler; havuzlanmış veya Welch t-testi gibi bir sonraki yöntemi seçmeden önce iki sürecin, cihazın veya grubun aynı yayılıma sahip olup olmadığını kontrol etmesi gereken durumlarda kullanışlıdır.

Farklı yayılımlara sahip iki örneklem nokta grafiği olarak gösterilmiş, varyansları oran biçiminde verilmiş
F istatistiği, bir örneklemin varyansını diğerine bölerek iki örneklemin yayılımını karşılaştırır.

Nasıl kullanılır?

Girdileri şu sırayla girin:

  • Örnek 1 verisi: virgül, noktalı virgül, boşluk veya yeni satırla ayrılmış en az iki sayı; ondalık ayraç olarak nokta kullanılmalıdır.
  • Örnek 2 verisi: aynı şekilde girilir.
  • Alternatif hipotez: iki yönlü (varyanslar eşit değil), greater (varyans 1 daha büyük) veya less (varyans 1 daha küçük).
  • Anlamlılık düzeyi alfa: 0 değerinden büyük ve 0.5 değerinden küçük olmalı, örneğin 0.05 gibi.

Örnek 1, oranın payıdır; bu nedenle örneklerin sırası tek yönlü testler için önemlidir.

Formül

$$F = \frac{s_1^2}{s_2^2}, \qquad s^2 = \frac{1}{N-1}\sum_{i=1}^{N}(x_i-\bar{x})^2$$

Burada \(s_1^2\) ve \(s_2^2\) örnek varyanslarıdır, \(x_i\) gözlemlerdir, \(\bar{x}\) örnek ortalamasıdır ve \(N\) örnek büyüklüğüdür. Sıfır hipotezi doğruysa ve veriler normal dağılıyorsa istatistik, \(N_1-1\) pay ve \(N_2-1\) payda serbestlik derecesine sahip bir F dağılımını izler.

Reklam

Kurallar ve varsayımlar

  • Varyanslar \(n-1\) bölenini kullanır ve örnek 1 paydadır.
  • Serbestlik dereceleri \(N_1-1\) ve \(N_2-1\) değerleridir.
  • Üst alternatif: \(F\), \(1-\alpha\) kantilini aşarsa reddedilir. Alt alternatif: \(F\), \(\alpha\) kantilinin altındaysa reddedilir. İki yönlü: \(F\), \(\alpha/2\) kantilinin altında veya \(1-\alpha/2\) kantilinin üstündeyse reddedilir.
  • Eşitsizlikler katıdır; dolayısıyla F tam olarak kritik değere eşitse ret gerçekleşmez.
  • P-değeri, greater alternatifinde üst kuyruk, less alternatifinde alt kuyruktur. İki yönlü test için \(\min(1, 2\min(p_{\text{alt}}, p_{\text{üst}}))\) kullanılır. Yöntem NIST kritik bölgelerini izler, ancak NIST sayfası p-değeri formülü vermediğinden bu çift kuyruklu kural, bu bölgelerle tutarlı bir tasarım tercihidir. Yalnızca \(p<\alpha\) olduğunda reddedilir.
  • Test parametrik olduğu için sıra, bağ veya süreklilik düzeltmesi uygulanmaz.
  • Test, bağımsız örnekler ve normal anakütleler varsayar; normallikten sapmalara duyarlıdır.
  • Sonuçlar tam hassasiyetle hesaplanır ve yaklaşık 4 ila 6 anlamlı basamakla gösterilir.

Çalışılmış örnek

Örnek 1: 12.1, 13.4, 11.8, 14.2, 12.9, 13.7, 12.5, 14.8 (n = 8). Örnek 2: 12.4, 12.8, 12.2, 13.0, 12.6, 12.9, 12.5 (n = 7). Test, \(\alpha = 0.05\) ile iki yönlüdür.

$$s_1^2 = 1.0850,\quad s_2^2 = 0.082381$$

$$F = \frac{1.0850}{0.082381} = 13.1705,\quad df_1 = 7,\ df_2 = 6$$

Kritik değerler 0.1954 (alt) ve 5.6955 (üst) değerleridir. \(13.1705 > 5.6955\) olduğundan sıfır hipotezi reddedilir. P-değeri 0.005860 olup 0.05 değerinden küçüktür ve kararı doğrular.

Sonucu yorumlama ve sınırlılıklar

F değerinin 1'den çok büyük olması, örnek 1'in örnek 2'ye göre daha fazla yayıldığı anlamına gelir; 0'a yakın olması ise tersini ifade eder. Küçük bir p-değeri eşit varyanslara karşı kanıttır. Büyük bir p-değeri ise verilerde fark görülmediğini gösterir; bu, özellikle küçük örneklerde eşitliğin kanıtı değildir. Veriler çarpık veya kalın kuyruklu olduğunda F-testi, Levene veya Brown-Forsythe testlerinden çok daha az sağlamdır; bu nedenle önce normallik kontrol edilmelidir. Örnek 2'nin varyansı sıfırsa F tanımsız olur.

Reklam
Sağa çarpık F dağılımı, her iki kuyrukta taranmış ret bölgeleriyle
İki yönlü testte, F kritik değerleri aşıp taranmış kuyruklardan birine düştüğünde varyansların eşit olduğu sıfır hipotezi reddedilir.

Sık sorulan sorular

Anlamlı bir sonuç ne anlama gelir?

P-değeri alfa değerinden küçüktür; yani iki anakütlenin varyansı aynıysa, gözlenen varyans oranı pek olası olmazdı.

Örneklerin sırası önemli mi?

Örnekleri değiştirmek \(1/F\) değerini verir ve tek yönlü alternatifleri değiştirir. İki yönlü karar aynı kalır.

İki yönlü p-değeri neden iki katına çıkarılır?

İki yönlü test, alfayı iki kuyruk arasında eşit paylaştırır; bu nedenle daha küçük kuyruk olasılığı iki katına çıkarılır ve 1 ile sınırlanır.

Kaç gözlem gerekir?

Örnek başına en az iki gözlem gerekir; ancak küçük örnekler gerçek farkları tespit etme gücünü düşürür.

Verilerim normal değilse ne olur?

F-testi yanıltıcı sonuçlar verebilir. Levene gibi daha sağlam bir test kullanmayı düşünün.

Kaynaklar

Kaynaklar ve referanslar

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör