什么是F分布的分位点？
F分布的分位点（也叫逆F、分位数或临界值）是指这样一个数值 x：当分子自由度为 \(d_1\)、分母自由度为 \(d_2\) 时，F分布的累积概率恰好等于某个设定的概率值。它是F分布累积分布函数（CDF）的反函数，正是我们在做方差分析（ANOVA）、回归整体显著性检验以及方差比（方差齐性）检验时，要从F分布表里查找的那个临界值。
如何使用本计算器
首先选择累积方式。如果你手中的概率是 \(P = \Pr(F \le x)\)，请选择下尾累积P——例如 \(P = 0.95\) 会返回一个数值，分布中有 95% 的部分落在它以下。如果你拿到的是尾部概率 \(Q = \Pr(F > x)\)，则选择上尾累积Q——例如 \(Q = 0.05\) 会返回常用的上侧 5% 临界值。接着填入概率（须严格介于 0 与 1 之间）、分子自由度 \(d_1\) 和分母自由度 \(d_2\)，然后提交即可。
公式解析
F分布的累积分布函数可以借助正则化不完全贝塔函数 \(I\) 来表示：令 \(a = d_1/2\)、\(b = d_2/2\)，并代入 \(w = \frac{d_1 x}{d_1 x + d_2}\)，则 \(\text{F-CDF}(x) = I_w(a, b)\)。要对它求逆，本计算器在区间 \((0, 1)\) 上对 \(w\) 使用二分法求解 $$I_w(a, b) = \text{targetP},$$ 其中 \(I_w\) 的计算采用 Lanczos 对数伽马函数和《Numerical Recipes》中的连分式算法。求得 \(w\) 后再回代得到 $$x = \frac{d_2 \cdot w}{d_1 \cdot (1 - w)}.$$ 在上尾模式下，目标概率取为 \(\text{targetP} = 1 - Q\)。
实例演算
取 \(P = 0.95\)、\(d_1 = 5\)、\(d_2 = 10\)，我们要求的是上侧 5% 的F临界值。此时 \(a = 2.5\)、\(b = 5\)，对 \(I_w(2.5, 5) = 0.95\) 求逆，得到 \(w \approx 0.6245\)，于是 $$x = \frac{10 \times 0.6245}{5 \times 0.3755} \approx 3.3258,$$ 与表中查得的 \(F_{0.05}(5, 10) = 3.3258\) 完全吻合。
常见问题
P 和 Q 有什么区别？ P 是从负无穷累积到 \(x\) 的下尾（累积）概率；Q 是超过 \(x\) 的上尾概率。两者的关系为 \(P = 1 - Q\)。
为什么概率必须严格介于 0 和 1 之间？ 概率为 0 对应分位点 \(x = 0\)，概率为 1 对应 \(x\) 趋于无穷大，二者都不是有限、有实际意义的临界值。
自由度可以是非整数吗？ 可以——对任意正实数 \(d_1\) 和 \(d_2\)，公式都成立；不过在方差分析中，自由度通常取整数。
