如果这个工具帮到了你,可以请作者喝杯咖啡 ☕
输入两组数据的方差与样本量,快速计算F统计量与p值,判断方差是否显著不同。
两组都需要至少输入 2 个有效数字。
每组至少输入 2 个数字。F 统计量 = 样本 1 方差 ÷ 样本 2 方差。支持逗号、空格、换行、分号分隔,非数字内容会被自动忽略。
请输入两组样本数据以查看 F 检验结果
你想知道两台机器的加工精度是否一致,或者想比较新旧工艺的稳定性?F检验能回答两组数据背后总体的方差是否相等。它也是方差分析(ANOVA)和回归模型显著检验的基础。我们用F统计量来量化差异——如果p值小于0.05,通常认为两组方差确实不同,需要回头检查你的假设或工艺。
F检验的核心思想是:如果两个总体方差相等,那么两个样本方差的比值应该接近1。我们计算:
F = S₁² / S₂²
其中S₁²是第一个样本的方差(样本方差,即离均差平方和除以n-1),S₂²是第二个样本的方差。一般我们把较大的方差放分子,让F≥1。然后查找F分布表,或者直接算p值,p值越小越说明两个方差差异不是随机波动的。注意这里用的是样本方差(无偏估计),不是总体方差。
我们有一批数据:机器A包装10袋薯片,样本方差0.35g²;机器B包装12袋,样本方差0.18g²。想检验两台机器精度是否一致(α=0.05)。
因为p值0.153 > 0.05,所以我们没有足够证据说两台机器精度不同。F值1.944虽然大于1,但随机波动完全可能导致这个差距。
如果两个样本方差相差很大:比如机器A方差4.0(n₁=5),机器B方差0.05(n₂=6),计算得到F=80,df₁=4,df₂=5,p值几乎为0。这强烈说明方差不等,需要排查为什么机器A波动这么大。反之,如果两组方差完全相等(比如都是1.0),F=1,p值接近0.5,自然无法拒绝方差相等。
注意:F检验对正态性敏感,样本较小或严重偏态时结果可能不可靠。
1. F检验和t检验有什么区别?
F检验比较两个方差是否相等,t检验比较两个均值是否相等。做t检验前常先用F检验检查方差齐性。
2. 我的p值显示0.000,是真的0吗?
不是0,是极小(比如<0.0001)。我们工具显示三位小数,极小时显示0.000,实际可以理解为<0.001。
3. 可以输入标准差代替方差吗?
建议先平方再填入方差。如果工具未来版本增加标准差输入,我们会注明。目前只接受方差。
4. 为什么我的F值算出来小于1?
我们的工具会自动将较大方差作分子,所以显示F≥1。如果你在别处看到小于1的F值,是分子分母放反了,及时颠倒自由度即可。
5. 这个计算器能处理双尾检验吗?
默认就是双尾,即检验“方差是否不等”。如果需要单尾(比如只关心第一个是否更大),请将p值除以2。
现在你可以在上方计算器里试试自己的数字。