F分布计算器

F分布计算器

增长中 AI Skill PRO

输入计算

数学公式

f(x)=(v1x)v1v2v2(v1x+v2)v1+v2x·B(v12,v22)其中{x=百分位点 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{百分位点 } x}} \\ v_1 &= {{\text{分子自由度 } v_1}} \\ v_2 &= {{\text{分母自由度 } v_2}} \end{aligned} \right.
显示计算步骤 (1)
  1. 累积概率 (CDF)

    P(X≤x)=Iz(v12,v22),z=v1xv1x+v2其中{x=百分位点 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{百分位点 } x}} \\ v_1 &= {{\text{分子自由度 } v_1}} \\ v_2 &= {{\text{分母自由度 } v_2}} \end{aligned} \right.

    通过正则化不完全贝塔函数I计算的下侧概率;自变量 z = v1 x / (v1 x + v2)。

使用统计

广告

结果

概率密度 f(x)
0.19245
F分布概率密度函数在x处的取值
下侧累积概率 P(X ≤ x) 0.42265
上侧累积概率 P(X > x) 0.57735

报告本页错误

什么是F分布计算器?

本工具用于计算F分布(又称费雪–斯奈德克分布,Fisher-Snedecor distribution)的相关数值。只需给定百分位点x,以及两个自由度参数——分子自由度v1和分母自由度v2,即可得到概率密度f(x)、下侧累积概率P(X ≤ x),以及上侧(尾部)概率P(X > x)。F分布是统计学中的通用分布,世界各地的定义完全一致,不涉及任何国家或地区的特定假设。

不同自由度下的一族F分布概率密度曲线
F分布的密度曲线右偏,并随自由度d1和d2的变化而改变形状。

使用方法

输入百分位点x(必须大于或等于0)、分子自由度v1(大于0)和分母自由度v2(大于0)。两个自由度都可以是非整数。计算器会返回概率密度以及两个累积概率,二者始终满足“下侧 + 上侧 = 1”的关系。

公式解析

概率密度为 $$f(x) = \frac{(d_1/d_2)^{d_1/2}\cdot x^{d_1/2-1}\cdot \left(1 + \dfrac{d_1}{d_2}x\right)^{-(d_1+d_2)/2}}{B(d_1/2,\, d_2/2)}$$,其中B为Beta(贝塔)函数,\(d_1 = v_1\),\(d_2 = v_2\)。累积分布函数则借助正则化不完全Beta函数计算:$$P(X \le x) = I_z\!\left(\frac{d_1}{2},\, \frac{d_2}{2}\right),\qquad z = \frac{d_1\cdot x}{d_1\cdot x + d_2}$$。在具体计算中,我们采用兰乔斯(Lanczos)近似求对数Gamma函数,并用连分式展开(兰兹方法,Lentz's method)求不完全Beta函数。

广告
在某值x处划分、对下尾和上尾区域加阴影的F分布曲线
下累积概率是x左侧的面积,上累积概率是右侧的面积。

计算示例

取 \(x = 1\)、\(v_1 = 2\)、\(v_2 = 1\):此时 \(B(1, 0.5) = 2\),于是 $$f(1) = \frac{2^1 \cdot 1^0 \cdot 3^{-1.5}}{2} = 3^{-1.5} \approx 0.19245$$。对于累积分布函数,\(z = 2/3\),\(I_{2/3}(1, 0.5) = 1 - (1/3)^{0.5} \approx 0.42265\),因此 \(P(X > 1) \approx 0.57735\)。

常见问题

自由度可以是小数吗? 可以。F分布对任意正实数自由度都有良好定义。

当 \(x = 0\) 时会怎样? 此时下侧概率为0,上侧概率为1。概率密度的取值取决于v1:若 \(v_1 < 2\),密度为正无穷;若 \(v_1 = 2\),密度等于1;若 \(v_1 > 2\),密度为0。

上侧累积概率有什么用? 它就是F检验的p值,即在原假设成立的前提下,F统计量取值不小于x的概率。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器