f 분포 예제

이는 각 계수(즉, 여학생)가 동일한 수의 관측을 가지므로 균형 잡힌 설계의 예입니다. 이제 적어도 이론적으로는 F 테이블을 사용하여 특정 F 값과 관련된 확률을 찾을 수도 있습니다. 그러나, 당신이 볼 수 있듯이, 테이블은 꽤 (매우!) 그 방향으로 제한됩니다. 예를 들어, 자유도가 6이고 자유도가 2인 F 랜덤 변수가 있는 경우 19.33, 39.33 및 99.33의 F 값과 관련된 확률만 찾을 수 있습니다. 예를 들어 Excel의 분산에 대한 F 테스트 두 샘플은 1단계와 4단계(null 가설 처리)만 수행해야 합니다. 기술은 당신을 위해 단계 2와 3을 계산합니다. 예를 들어 F가 F 분포를 따르고 분자의 자유도가 4이고 분모의 자유도가 10인 경우 F ~ F4,10입니다. 이러한 자유도의 각 조합에 대해 다른 F 분포가 있다. F 분포는 자유도가 작을 때 가장 많이 분산됩니다. 자유도가 증가함에 따라 F 분포는 덜 분산됩니다.

f 통계와 관련된 누적 확률을 찾으려면 v1 및 v2를 알아야 합니다. 이 점은 다음 예제에 나와 있습니다. 예를 들면, 골다공증 을 취급하기 위한 새로운 약은 필드 테스트될 필요가 있을 수 있었습니다. 이 질병의 엄격은 일반적으로 나이의 기능이기 때문에, 새로운 약은 각 연령 집단에 있는 n 명의 환자에게 무작위로 관리될 수 있었습니다. 다르게 말하면, 이것은 환자에게 무작위로 할당된 약물의 m 연령 그룹 및 n개의 상이한 투여량 수준에서의 실험이 될 것이다. 각 연령 군 x 투여량 조합에 대한 환자로부터 제공된 수치로, 우리는 분산 비율 테스트(F-test)를 사용하여 투여량 수준 간의 차이를 테스트하고 이 변화가 우연히 기인할 수 있는지를 테스트할 수 있다. 통계 전체에 사용되는 많은 확률 분포가 있습니다. 예를 들어 표준 정규 분포 또는 종 곡선이 가장 널리 인식될 수 있습니다. 정규 분포는 한 가지 유형의 분포일 뿐입니다. 인구 분산을 연구하기 위한 매우 유용한 확률 분포 를 F 분포라고 합니다. 이러한 유형의 배포의 몇 가지 속성을 살펴보겠습니다. 다음은 따라야 할 일반적인 단계입니다.