F檢驗是一種統計假設檢驗，使用 F分布來比較兩個變異數或檢驗回歸模型的整體顯著性。它最常用於 ANOVA（變異數分析），以確定三個或更多組的平均值是否存在顯著差異。

F分布是由兩個參數定義的右偏機率分布：分子自由度（df1）和分母自由度（df2）。它是兩個獨立卡方變量分別除以其各自自由度後的比率。

F-Test/F分布計算機

計算 ANOVA、雙樣本變異數檢定和迴歸分析的 F 統計量與 P 值。獲取包含互動式 F 分布曲線圖、臨界值表和假設檢定結論的逐步解題步驟。

F-Test/F分布計算機

📌 快速示例：

第 1 組

第 2 組

第 3 組

📌 快速示例：

樣本 1 變異數 (s₁²)

樣本 2 變異數 (s₂²)

樣本 1 大小 (n₁)

樣本 2 大小 (n₂)

📌 快速示例：

F統計量

df₁ (分子)

df₂ (分母)

顯著性水準 (α)：

Embed F-Test/F分布計算機 Widget

F-Test/F分布計算機

F檢驗/F分布計算機可用於執行 ANOVA（變異數分析）F檢驗、雙樣本變異數比較以及自定義 F統計量查詢。輸入您的數據即可獲取 F統計量、p值、臨界值、分步解決方案，以及突出顯示拒絕域的互動式 F分布曲線。本工具支援最多 10 組的單因子 ANOVA、雙樣本變異數檢驗（Levene 型），以及針對任何 F值和自由度組合的直接 p值查詢。

如何使用 F檢驗計算機

選擇您的計算模式 — 選擇「單因子 ANOVA」以比較跨組平均值，「雙樣本變異數」以檢驗兩個母體是否具有相等變異數，或「自定義 F值」以查詢已知 F統計量和自由度的 p值。
輸入您的數據 — 對於 ANOVA，輸入各組以逗號分隔的數值（至少 2 組，每組 2 個以上數值）。對於變異數檢驗，輸入兩個樣本變異數 (s²) 和樣本大小 (n)。對於自定義模式，輸入 F統計量和兩個自由度。
設置顯著性水準 (α) — 常見選擇為 0.05（95% 信心水準）、0.01（99% 信心水準）或 0.10（90% 信心水準）。
點擊計算 — 查看 F統計量、p值、假設檢驗結論、分步計算過程，以及顯示 F值相對於臨界值位置的 F分布曲線。

什麼是 F檢驗？

F檢驗是一種統計假設檢驗，其測試統計量在虛無假設下遵循 F分布。它主要用於：

ANOVA (變異數分析)：檢驗三個或更多組的平均值是否相等。F統計量是組間變異數與組內變異數的比率 (MSB/MSW)。
比較兩個變異數：檢驗兩個母體是否具有相等變異數。F統計量是較大樣本變異數與較小樣本變異數的比率。
回歸分析：檢驗回歸模型的整體顯著性。F統計量衡量解釋變異數是否顯著大於未解釋變異數。

瞭解 F分布

F分布是一種連續機率分布，它是兩個獨立卡方隨機變量分別除以其自由度後的比率。主要屬性包括：

它總是非負的 (F ≥ 0) 且呈右偏分布
它由兩個參數定義：df₁（分子自由度）和 df₂（分母自由度）
隨著兩個自由度的增加，分布趨於正態分布
當 df₂ > 2 時，分布的平均值為 df₂/(df₂ − 2)

單因子 ANOVA 解釋

單因子變異數分析 (ANOVA) 檢驗三個或更多獨立組別的平均值是否存在統計學上的顯著差異。該程序將總變異分解為：

SSB (組間平方和)：衡量由於組平均值之間的差異而產生的變異
SSW (組內平方和)：衡量組內的變異（隨機誤差）
F = MSB/MSW：較大的 F統計量表明組間變異遠大於組內變異，暗示組平均值不完全相等

F檢驗的假設條件

獨立性：組內和組間的觀測值相互獨立
正態性：各組內的數據近似服從正態分布
變異數同質性：各組的母體變異數相等（適用於 ANOVA）

F檢驗對違反正態性的情況相當穩健，尤其是在樣本量較大時，但在組大小不等時對變異數不等的情況較為敏感。

何時使用 F檢驗 vs. T檢驗

在比較恰好兩組的平均值時使用 t檢驗。在同時比較三組或更多組的平均值時使用 F檢驗 (ANOVA)。運行多個 t檢驗而不是 ANOVA 會增加第一類錯誤率（假陽性的機率）。對於兩組，ANOVA 和 t檢驗給出等效的結果：F = t²。

常見問題 (FAQ)

什麼是 F檢驗？

F檢驗是一種統計假設檢驗，使用 F分布來比較兩個變異數或檢驗模型的整體顯著性。它最常用於 ANOVA 中，以確定三個或更多組的平均值是否彼此存在顯著差異。

什麼是 F分布？

F分布是由兩個參數定義的右偏機率分布：分子自由度 (df₁) 和分母自由度 (df₂)。它是兩個獨立卡方變量分別除以其各自自由度後的比率，且其值總是非負的。

如何解釋 F檢驗的 p值？

p值是在虛無假設為真的情況下，觀察到與計算值一樣極端（或更極端）的 F統計量的機率。如果 p < α（您的顯著性水準，通常為 0.05），您將拒絕虛無假設並得出存在統計學顯著差異的結論。

單因子 ANOVA 和雙樣本 F檢驗有什麼區別？

單因子 ANOVA 使用 F檢驗通過分析組間和組內變異數來比較三個或更多組的平均值。雙樣本 F檢驗專門比較兩個母體的變異數以確定它們是否相等，通常作為執行雙樣本 t檢驗之前的初步檢查。

什麼時候應該使用 F檢驗而不是 t檢驗？

比較恰好兩組的平均值時使用 t檢驗。同時比較三組或更多組的平均值時使用 F檢驗 (ANOVA)。運行多個成對 t檢驗而不是 ANOVA 會增加第一類錯誤的風險。對於兩組，F檢驗和 t檢驗產生等效的結果，其中 F 等於 t 的平方。

引用此內容、頁面或工具為：

"F-Test/F分布計算機" 於 https://MiniWebtool.com/zh-tw/f檢驗-f分布計算機/，來自 MiniWebtool，https://MiniWebtool.com/

由 MiniWebtool 團隊製作。更新日期：2026-04-13

開發者 API 可用: 用一次 JSON HTTP 請求，把這個工具接入你的應用程式、自動化流程或代理。查看 API 文件

您還可以嘗試我們的 AI數學解題器 GPT，通過自然語言問答解決您的數學問題。

F-Test/F分布計算機

F-Test/F分布計算機

如何使用 F檢驗計算機

什麼是 F檢驗？

瞭解 F分布

單因子 ANOVA 解釋

F檢驗的假設條件

何時使用 F檢驗 vs. T檢驗

常見問題 (FAQ)

什麼是 F檢驗？

什麼是 F分布？

如何解釋 F檢驗的 p值？

單因子 ANOVA 和雙樣本 F檢驗有什麼區別？

什麼時候應該使用 F檢驗而不是 t檢驗？

統計與數據分析:

常用工具: