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.
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.
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.
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
- 1.3.5.9. F-Test for Equality of Two Variances, NIST/SEMATECH e-Handbook of Statistical Methods.