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27行： 第27行：
|nextnode=[[One_Way_ANOVA]]
|nextnode=[[One_Way_ANOVA]]
}}
}}




第48行： 第47行：


* 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
* 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
{{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，主要使用多重限制}}
{{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）]]
[[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>
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>




2024年1月18日 (四) 10:54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=5034”