f test 예제

2단계: 테스트 통계(F 분포)를 계산합니다. 첫 번째 H0: 첫 번째 샘플의 분산은 두 번째 표본의 분산보다 큽습니다. 테스트를 실행하려면 명령을 실행합니다: 이 비율을 이해하는 가장 좋은 방법은 단방향 ANOVA 예제를 안내하는 것입니다. 3 단계 : 가장 큰 분산을 취하고 f 값을 얻기 위해 가장 작은 분산으로 나눕니다. 예를 들어 두 분산이 s1 = 2.5 및 s2 = 9.4인 경우 9.4 / 2.5 = 3.76으로 나눕니다. 왜? 가장 큰 분산을 맨 위에 배치하면 F-검정이 오른쪽 꼬리 테스트로 강제 변환되며, 이는 왼쪽 꼬리 테스트보다 계산하기가 훨씬 쉽습니다. 경고: F 테스트는 특히 분산을 계산해야 하는 경우 손으로 계산하는 것이 정말 지루할 수 있습니다. 기술을 사용하는 것이 훨씬 낫습니다(예: Excel – 아래 참조). 두 개의 꼬리 F 테스트를 사용하면 분산이 서로 같지 않은지 알고 싶을 뿐입니다. 표기: Ha = σ21 ~ σ22 기술을 사용하여 F 테스트를 실행하는 경우(예: Excel의 분산에 대한 F 테스트 두 샘플) 1단계와 4단계(null 가설 처리)만 수행해야 합니다. 기술은 당신을 위해 단계 2와 3을 계산합니다. 델리 본사 고객의 차이는 31이며 뭄바이 지점의 경우 20입니다.

델리 본사의 샘플 크기는 11이고 뭄바이 지점의 경우 21입니다. 10 %의 중요성의 수준으로 두 꼬리 F 테스트를 수행합니다. 1단계: „데이터” 탭을 클릭한 다음 „데이터 분석”을 클릭합니다. 2단계: „F에서 두 표본을 분산테스트”를 클릭한 다음 „확인”을 클릭합니다. 3단계: 가변 1 범위 상자를 클릭한 다음 첫 번째 데이터 집합의 위치를 입력합니다. 예를 들어 데이터를 셀 A1에서 A10에 입력한 경우 해당 상자에 „A1:A10″을 입력합니다. 4단계: 가변 2 상자를 클릭한 다음 두 번째 데이터 집합의 위치를 입력합니다. 예를 들어 데이터를 셀 B1에서 B10으로 입력한 경우 해당 상자에 „B1:B10″을 입력합니다. 5단계: 데이터에 열 헤더가 있는 경우 „레이블” 상자를 클릭합니다.

6단계: 알파 레벨을 선택합니다. 대부분의 경우 알파 수준 0.05는 일반적으로 괜찮습니다. 7단계: 출력할 위치를 선택합니다. 예를 들어 „새 워크시트” 라디오 단추를 클릭합니다. 8단계: „확인”을 클릭합니다. 9단계: 결과를 읽어보십시오. f 값이 F 임계 값보다 높으면 두 모집단의 분산이 같지 않으면 null 가설을 거부합니다. 테스트를 위해 몇 가지 가정이 만들어집니다. 테스트를 사용하려면 모집단이 일반적으로 대략 분포되어 있어야 합니다(예: 종 곡선의 모양에 맞게). 또한 샘플은 독립적인 이벤트여야 합니다.

또한, 몇 가지 중요한 점을 염두에 두어야 할 것입니다 : 10 %의 중요성수준으로 두 꼬리 F 테스트를 실시하십시오. 통계 F 테스트는 F 통계를 사용하여 두 분산, s1 및 s2를 분할하여 비교합니다. 결과는 항상 양수입니다(분산은 항상 양수이기 때문에).

f test 예제