F检验

统计假设检验，多数使用多重限制
Pengwei（讨论 | 贡献）2024年1月18日 (四) 10:42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
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）

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，以及关于误差项 (ε) 的传统假设。[1] 它最常用于 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 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。[2]

常见例子

F 检验的常见用例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 (统计)
 **# 方差齐性
 **# 误差独立性 和 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 嵌套。
  • 如果 F 检验导```markdown


文件:F-test plot.svg
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。[1] 它通常用于比较统计模型，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。[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=5027”