F检验：修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
第31行： 第31行：




{{简短描述|统计假设检验，主要使用多重限制}}
 
{{简短描述|统计假设检验，大多使用多重限制}}
{{DISPLAYTITLE:''F'' 检验}}
{{DISPLAYTITLE:''F'' 检验}}
[[File:F-test_plot.svg|thumb|在显著性水平 0.05 下，自由度为 d1 和 d2 = 10 的 f-检验概率密度函数图。（红色阴影区域表示临界区域）]]
[[File:F-test_plot.svg|thumb|自由度为 d1 和 d2 = 10，在显著性水平 0.05 的 f-检验概率密度函数（pdf）。(红色阴影区域表示临界区域)]]
一个 '''''F'' 检验''' 是用来比较两个样本的方差或多个样本之间的方差比率的任何 [[统计检验]]。[[检验统计量]], 随机变量 F, 用于确定在真实 [[零假设]] 下测试数据是否具有 [[F 分布|''F'' 分布]]，以及关于误差项 (ε) 的传统假设。<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 国际出版社 |isbn=978-3-319-64582-7 |location=Cham |pages=108 |language=en |doi=10.1007/978-3-319-64583-4}}</ref> 它最常用于 [[模型选择|比较统计模型]]，这些模型已经应用于 [[数据]] 集，以识别最能拟合数据采样来源 [[人口统计 (统计)|人口]] 的模型。精确的 "''F'' 检验" 主要出现在使用 [[最小二乘法]] 将模型拟合到数据时。这个名字是由 [[George W. Snedecor]] 创造的，以纪念 [[Ronald Fisher]]。Fisher 最初在 1920 年代将该统计量作为方差比。<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>
一个'''''F'' 检验'''是用于比较两个样本方差或多个样本方差比的任何[[统计检验]]。[[检验统计量]]，随机变量 F，用于确定在真实[[零假设]]下，测试数据是否符合[[F 分布|''F'' 分布]]，以及误差项（ε）的真实惯常假定。<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 国际出版社 |isbn=978-3-319-64582-7 |location=Cham |pages=108 |language=en |doi=10.1007/978-3-319-64583-4}}</ref> 它最常用于[[模型选择|比较统计模型]]，这些模型已经适应于一个[[数据]]集合，以确定最适合从中抽取数据的[[人口统计（统计学）|人群]]的模型。精确的 "''F'' 检验" 主要出现在使用[[最小二乘法]]拟合数据时。这个名称由[[George W. Snedecor]]创造，以纪念[[Ronald Fisher]]。Fisher 最初在 1920 年代开发了这个统计量作为方差比。<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>


==常见例子==
==常见例子==


''F'' 检验的常见用例包括以下情况的研究：
''F'' 检验的常见用途包括以下情况的研究：
 
* [[File:One-way ANOVA Table generated using Matlab.jpg|thumb|使用 Matlab 生成的单因素方差分析表，包含 3 个随机组，每组有 30 个观察值。F 值在倒数第二列计算]]假设一组给定的[[正态分布|正态分布]]人群，都具有相同的[[标准差]]，它们的[[算术平均数|均值]]相等。这可能是最著名的 ''F'' 检验，并在[[方差分析]]（ANOVA）中扮演重要角色。
  ** 方差分析（ANOVA）的 F 检验遵循三个假设：
  **# [[正态性（统计学）|正态性]]
  **# [[方差同质性|方差齐性]]
  **# [[独立性（概率论）|误差独立性]] 和 [[随机性|随机抽样]]
 
* 假设提出的回归模型很好地拟合了[[数据]]。参见[[缺乏拟合的平方和]]。
* 假设在[[回归分析]]中的数据集遵循两个提出的线性模型中较简单的一个，这两个模型是[[统计模型#嵌套模型|嵌套]]在彼此之内```markdown
{{简短描述|统计假设检验，主要使用多重限制}}
{{DISPLAYTITLE:''F''-检验}}
[[File:F-test_plot.svg|thumb|在显著性水平0.05下，自由度d1和d2为10的F-检验概率密度函数图。（红色阴影区域表示临界区域）]]
一个'''''F''-检验'''是用来比较两个样本的方差或多个样本之间的方差比率的任何[[统计检验]]。[[检验统计量]]，随机变量F，用于确定在真实[[零假设]]下被检验的数据是否具有[[F 分布|''F''-分布]]，以及关于误差项（ε）的真实传统假设。<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> 它最常用于比较已经拟合到数据集的[[模型选择|统计模型]]，以识别最能代表从中抽样的数据的[[人口统计（统计学）|总体]]的模型。精确的"''F''-检验"主要出现在模型通过[[最小二乘法]]拟合到数据时。这个名称由[[George W. Snedecor]]创造，以纪念[[Ronald Fisher]]。Fisher最初在20世纪20年代开发了这个统计量，作为方差比率。<ref>{{cite book |last=Lomax |first=Richard G. |year=2007 |title=统计概念：第二课 |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>
 


* [[File:One-way ANOVA Table generated using Matlab.jpg|thumb|使用 Matlab 生成的具有 3 个随机组的单因素方差分析表，每个组有 30 个观察值。F 值在倒数第二列中计算]]假设一组给定的 [[正态分布|正态分布]] 群体的 [[算术平均数|平均数]] 相等，所有群体都具有相同的 [[标准差]]。这可能是最著名的 ''F'' 检验，并在 [[方差分析]] (ANOVA) 中扮演重要角色。
  ** 方差分析 (ANOVA) 的 F 检验遵循三个假设
  **# [[正态性 (统计)]]
  **# [[方差齐性]]
  **# [[独立性 (概率论)|误差独立性]] 和 [[随机性|随机抽样]]


* 假设提出的回归模型很好地拟合 [[数据]]。参见 [[拟合优度平方和]]。
* 假设在 [[回归分析]] 中的数据集遵循两个提出的线性模型中较简单的一个，这两个模型在彼此之内 [[统计模型#嵌套模型|嵌套]]。
* 如果 F 检验导```markdown
{{Short description|统计假设检验，多数使用多重限制}}
{{DISPLAYTITLE:''F'' 检验}}
[[File:F-test_plot.svg|thumb|带有 d1 和 d2 = 10，在显著性水平 0.05 下的 f-检验概率密度函数图。（红色阴影区域表示临界区域）]]
一个'''''F'' 检验'''是用于比较两个样本的方差或多个样本间方差比的任何[[统计检验]]。[[检验统计量]]，即随机变量 F，用于确定在真实[[零假设]]和关于误差项（ε）的常规假设下，被检验的数据是否有[[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 国际出版社 |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]]，这些模型已拟合到数据集，以确定哪个模型最符合从中抽取数据的[[人口统计（统计学）|人群]]。当模型使用[[最小二乘法]]拟合到数据上时，通常会出现精确的 "''F'' 检验"。这个名称是由[[George W. Snedecor]]为了纪念[[Ronald Fisher]]而创造的。Fisher 最初在 1920 年代发展了这个统计量作为方差比。<ref>{{cite book |last=Lomax |first=Richard G. |year=2007 |title=统计概念：进阶课程 |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>




2024年1月18日 (四) 10:53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






模板:简短描述

文件:F-test plot.svg
自由度为 d1 和 d2 = 10，在显著性水平 0.05 的 f-检验概率密度函数（pdf）。(红色阴影区域表示临界区域)

一个F 检验是用于比较两个样本方差或多个样本方差比的任何统计检验。检验统计量，随机变量 F，用于确定在真实零假设下，测试数据是否符合F 分布，以及误差项（ε）的真实惯常假定。[1] 它最常用于比较统计模型，这些模型已经适应于一个数据集合，以确定最适合从中抽取数据的人群的模型。精确的 "F 检验" 主要出现在使用最小二乘法拟合数据时。这个名称由George W. Snedecor创造，以纪念Ronald Fisher。Fisher 最初在 1920 年代开发了这个统计量作为方差比。[2]

常见例子

F 检验的常见用途包括以下情况的研究： 

 ** 方差分析（ANOVA）的 F 检验遵循三个假设：
 **# 正态性
 **# 方差齐性
 **# 误差独立性 和 随机抽样

模板:简短描述

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

一个F-检验是用来比较两个样本的方差或多个样本之间的方差比率的任何统计检验。检验统计量，随机变量F，用于确定在真实零假设下被检验的数据是否具有F-分布，以及关于误差项（ε）的真实传统假设。[1] 它最常用于比较已经拟合到数据集的统计模型，以识别最能代表从中抽样的数据的总体的模型。精确的"F-检验"主要出现在模型通过最小二乘法拟合到数据时。这个名称由George W. Snedecor创造，以纪念Ronald Fisher。Fisher最初在20世纪20年代开发了这个统计量，作为方差比率。[3]




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=5033”