F 分配計算器

F 分配計算器

成長中 AI Skill PRO

輸入計算

數學公式

f(x)=(v1x)v1v2v2(v1x+v2)v1+v2x·B(v12,v22)其中{x=分位點 xv1=分子自由度 v1v2=分母自由度 v2f(x) = \frac{\sqrt{\dfrac{(v_1\,x)^{v_1}\,v_2^{\,v_2}}{(v_1\,x + v_2)^{v_1+v_2}}}}{x \cdot B\!\left(\dfrac{v_1}{2},\dfrac{v_2}{2}\right)} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} x &= {{\text{分位點 } x}} \\ v_1 &= {{\text{分子自由度 } v_1}} \\ v_2 &= {{\text{分母自由度 } v_2}} \end{aligned} \right.
顯示計算步驟 (1)
  1. 累積機率 (CDF)

    P(X≤x)=Iz(v12,v22),z=v1xv1x+v2其中{x=分位點 xv1=分子自由度 v1v2=分母自由度 v2P(X \le x) = I_{z}\!\left(\dfrac{v_1}{2},\,\dfrac{v_2}{2}\right),\qquad z = \dfrac{v_1\,x}{v_1\,x + v_2} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} x &= {{\text{分位點 } x}} \\ v_1 &= {{\text{分子自由度 } v_1}} \\ v_2 &= {{\text{分母自由度 } v_2}} \end{aligned} \right.

    透過正規化不完全貝它函數 I 計算的下尾機率;引數 z = v1 x / (v1 x + v2)。

使用統計

廣告

結果

機率密度 f(x)
0.19245
F 分配機率密度函數在 x 處的值
下尾累積機率 P(X ≤ x) 0.42265
上尾累積機率 P(X > x) 0.57735

回報本頁錯誤

什麼是 F 分配計算器?

這個工具會針對指定的分位點 \(x\) 與兩個自由度參數——分子自由度 \(v_1\) 與分母自由度 \(v_2\),計算 F 分配(又稱 Fisher-Snedecor 分配)的相關數值。計算結果包含機率密度 \(f(x)\)、下尾累積機率 \(P(X \le x)\),以及上尾(尾部)機率 \(P(X > x)\)。F 分配是統計學中最常用的分配之一,其數學定義放諸四海皆準,不受任何國家或地區的特殊假設影響。

不同自由度下的一族F分布機率密度曲線
F分布的密度曲線右偏,並隨自由度d1和d2的變化而改變形狀。

使用方式

請輸入分位點 \(x\)(須大於或等於 0)、分子自由度 \(v_1\)(須大於 0),以及分母自由度 \(v_2\)(須大於 0)。兩個自由度都可以是非整數。計算器會回傳密度值與兩個累積機率,且下尾與上尾機率永遠滿足「下尾 + 上尾 = 1」的關係。

公式說明

密度函數為

$$f(x) = \frac{\sqrt{\dfrac{(v_1\,x)^{v_1}\,v_2^{\,v_2}}{(v_1\,x + v_2)^{v_1+v_2}}}}{x \cdot B\!\left(\dfrac{v_1}{2},\dfrac{v_2}{2}\right)}$$

其中 \(B\) 為 Beta 函數,\(d_1 = v_1\)、\(d_2 = v_2\)。累積分配則使用正規化不完全 Beta 函數計算:

$$P(X \le x) = I_{z}\!\left(\dfrac{v_1}{2},\,\dfrac{v_2}{2}\right),\qquad z = \dfrac{v_1\,x}{v_1\,x + v_2}$$

在實際運算上,我們以 Lanczos 近似法計算 log-Gamma,並以連分數展開(Lentz 演算法)計算不完全 Beta 函數。

廣告
在某值x處劃分、對下尾和上尾區域加陰影的F分布曲線
下累積機率是x左側的面積,上累積機率是右側的面積。

實例演算

以 \(x = 1\)、\(v_1 = 2\)、\(v_2 = 1\) 為例:\(B(1, 0.5) = 2\),因此

$$f(1) = \frac{2^1 \cdot 1^0 \cdot 3^{-1.5}}{2} = 3^{-1.5} \approx 0.19245$$

至於累積分配,\(z = 2/3\),\(I_{2/3}(1, 0.5) = 1 - (1/3)^{0.5} \approx 0.42265\),所以 \(P(X > 1) \approx 0.57735\)。

常見問題

自由度可以是小數嗎?可以。F 分配對任何正實數自由度都有明確定義。

當 \(x = 0\) 時會怎樣?此時下尾機率為 0,上尾機率為 1。至於密度值:當 \(v_1 < 2\) 時為正無限大,當 \(v_1 = 2\) 時等於 1,當 \(v_1 > 2\) 時則為 0。

上尾累積機率有什麼用途?它就是 F 檢定的 p 值,代表在虛無假設成立的前提下,F 統計量達到或超過 \(x\) 的機率。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器