F检验：修订间差异

统计假设检验，通常使用多重限制
无编辑摘要
无编辑摘要
第28行： 第28行：
}}
}}


{{Short description|Statistical hypothesis test, mostly using multiple restrictions}}
{{Short description|统计假设检验，通常使用多重限制}}
{{DISPLAYTITLE:''F''-test}}
{{DISPLAYTITLE:''F''检验}}
[[File:F-test_plot.svg|thumb|An f-test pdf with d1 and d2 = 10, at a significance level of 0.05. (Red shaded region indicates the critical region)]]
[[文件:F-test_plot.svg|缩略图|一个在显著性水平为0.05的情况下，自由度d1和d2等于10的f检验概率密度函数图。（红色阴影区域表示临界区域）]]
An '''''F''-test''' is any [[statistical test]] used to compare the variances of two samples or the ratio of variances between multiple samples. The [[test statistic]], random variable F, is used to determine if the tested data has an [[F-distribution|''F''-distribution]] under the true [[null hypothesis]], and true customary assumptions about the error term (ε).<ref name=":0">{{Cite book |last=Berger |first=Paul D. |url=http://link.springer.com/10.1007/978-3-319-64583-4 |title=Experimental Design |last2=Maurer |first2=Robert E. |last3=Celli |first3=Giovana B. |date=2018 |publisher=Springer International Publishing |isbn=978-3-319-64582-7 |location=Cham |pages=108 |language=en |doi=10.1007/978-3-319-64583-4}}</ref> It is most often used when [[model selection|comparing statistical models]] that have been fitted to a [[data]] set, in order to identify the model that best fits the [[population (statistics)|population]] from which the data were sampled. Exact "''F''-tests" mainly arise when the models have been fitted to the data using [[least squares]]. The name was coined by [[George W. Snedecor]], in honour of [[Ronald Fisher]]. Fisher initially developed the statistic as the variance ratio in the 1920s.<ref>{{cite book |last=Lomax |first=Richard G. |year=2007 |title=Statistical Concepts: A Second Course |url=https://archive.org/details/introductiontost0000loma_j6h1 |url-access=registration |page=[https://archive.org/details/introductiontost0000loma_j6h1/page/10 10] |isbn=978-0-8058-5850-1 }}</ref>
'''''F''检验'''是任何用来比较两个样本方差或多个样本间方差比的[[统计检验]]。[[检验统计量]]，随机变量F，用于确定测试数据是否在真实[[零假设]]下，以及对误差项(ε)的真实惯常假设下具有[[F分布|''F''分布]]。<ref name=":0">{{Cite book |last=Berger |first=Paul D. |url=http://link.springer.com/10.1007/978-3-319-64583-4 |title=实验设计 |last2=Maurer |first2=Robert E. |last3=Celli |first3=Giovana B. |date=2018 |publisher=Springer International Publishing |isbn=978-3-319-64582-7 |location=Cham |pages=108 |language=en |doi=10.1007/978-3-319-64583-4}}</ref> 它通常用于[[模型选择|比较统计模型]]，这些模型已经被拟合到一个[[数据]]集上，以确定哪个模型最适合从中抽取数据的[[人口统计学|人口]]。当模型已经使用[[最小二乘法]]拟合到数据上时，通常会出现确切的“''F''检验”。这个名称由[[George W. Snedecor]]创造，以纪念[[Ronald Fisher]]。Fisher最初在20世纪20年代将此统计量作为方差比发展出来。<ref>{{cite book |last=Lomax |first=Richard G. |year=2007 |title=统计概念：第二课程 |url=https://archive.org/details/introductiontost0000loma_j6h1 |url-access=registration |page=[https://archive.org/details/introductiontost0000loma_j6h1/page/10 10] |isbn=978-0-8058-5850-1 }}</ref>


{{Navplate AlgorithmNodeList}}
{{Navplate AlgorithmNodeList}}


[[Category:方差分析]]
[[Category:方差分析]]

2024年1月16日 (二) 14:02的版本

F Test.png
节点状态
PC可用
在 V1.0部署
F检验F Test.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名F检验
功能主类别数据分析
英文缩写F检验
功能亚类别方差分析
节点类型数据挖掘
开发语言R
节点简介

F检验也称方差比率检验、方差齐性检验。它是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。主要通过比较两组数据的方差, 以确定两者密度是否有显著性差异, 也是检查多组均值之间的差异。

用途：用于比较两个或多个样本或群体的方差是否显著不同。F检验常常用在方差分析中，以确定不同组别之间是否存在显著差异。

参数：选择连续型数值变量

端口数量与逻辑控制(PC)
Input-入口4个
Output-出口3个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点McNemar检验
下一节点One_Way_ANOVA
WikimediaUI-Globe.svg相关网站





文件:F-test plot.svg
一个在显著性水平为0.05的情况下，自由度d1和d2等于10的f检验概率密度函数图。（红色阴影区域表示临界区域）

F检验是任何用来比较两个样本方差或多个样本间方差比的统计检验。检验统计量，随机变量F，用于确定测试数据是否在真实零假设下，以及对误差项(ε)的真实惯常假设下具有F分布。[1] 它通常用于比较统计模型，这些模型已经被拟合到一个数据集上，以确定哪个模型最适合从中抽取数据的人口。当模型已经使用最小二乘法拟合到数据上时，通常会出现确切的“F检验”。这个名称由George W. Snedecor创造，以纪念Ronald Fisher。Fisher最初在20世纪20年代将此统计量作为方差比发展出来。[2]

查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=F检验&oldid=4128”