F-Test/F分布計算機

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交互式 F分布曲線。本工具支持最多 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

1. 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。
2. 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。
3. 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）。
4. 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。