Ein “F-Test” ist ein trickreicher Allerweltsbegriff für jeden Test, der die F-Dispersion verwendet. Wenn Einzelpersonen über den F-Test sprechen, geht es in Wirklichkeit um den F-Test zur Analyse von zwei Unterschieden. Wie dem auch sei, die F-Messung wird in einer Reihe von Tests verwendet, darunter die Rückfalluntersuchung, der Chow-Test und der Scheffe-Test (ein Post-hoc-ANOVA-Test). Allgemeine […]
Written byData Science Team
Published on26 April 2020
Ein “F-Test” ist ein trickreicher Allerweltsbegriff für jeden Test, der die F-Dispersion verwendet. Wenn Einzelpersonen über den F-Test sprechen, geht es in Wirklichkeit um den F-Test zur Analyse von zwei Unterschieden. Wie dem auch sei, die F-Messung wird in einer Reihe von Tests verwendet, darunter die Rückfalluntersuchung, der Chow-Test und der Scheffe-Test (ein Post-hoc-ANOVA-Test).
Allgemeine Schritte für einen F-Test
Falls Sie einen F-Test durchführen, sollten Sie den Test mit Hilfe von Erwartungen übertreffen, SPSS, Minitab oder einer anderen Art von Innovation durchführen. Warum? Die manuelle Berechnung des F-Tests, einschließlich der Unterschiede, ist repetitiv und mühsam. Daher werden Sie auf dem Weg dorthin höchstwahrscheinlich ein paar Fehler machen.
Für den Fall, dass Sie einen F-Test unter Verwendung von Innovationen durchführen (z.B. einen F-Test zwei Beispiele für Fluktuationen bei “Erwartungen übertreffen”), sind die wichtigsten Fortschritte, die Sie wirklich machen müssen, Stufe 1 und 4 (Verwaltung der ungültigen Spekulation). Innovation wird die Stufen 2 und 3 für Sie ermitteln.
Bringen Sie die ungültige Spekulation und die Ersatztheorie zum Ausdruck.
Berechnen Sie die F-Wertschätzung. Der F-Wert wird bestimmt, um das Rezept F = (SSE1 – SSE2/m)/SSE2/n-k zu verwenden, wobei SSE = verbleibende Summe der Quadrate, m = Anzahl der Einschränkungen und k = Anzahl der freien Faktoren.
Finden Sie die F-Statistik (den kritischen Wert für diesen Test). Die Formel für die F-Statistik lautet
F Statistik = Varianz der Gruppenmittelwerte / Mittelwert der gruppeninternen Varianzen.
Die F-Statistik finden Sie in der F-Tabelle.
Unterstützen oder verwerfen Sie die Null-Hypothese.
F-Test zur Analyse von zwei Änderungen
Ein messbarer F-Test verwendet eine F-Messung, um über zwei Fluktuationen, s1 und s2, nachzudenken, indem er sie aufteilt. Ein Ergebnis ist eine konstant positive Zahl (da Fluktuationen konstant positiv sind). Die Bedingung für die Gegenüberstellung von zwei Unterschieden und dem f-Test ist:
F = s21/s22
Bei Äquivalenz der Änderungen steigt der Anteil der Schwankungen auf 1. Wenn Sie z.B. zufällig zwei Informationssammlungen mit einem Beispiel 1 (Fluktuation von 10) und einem Beispiel 2 (Differenz von 10) hätten, wäre das Verhältnis 10/10 = 1.
F-Test
Spekulationstests > F-Test
Stoff:
Was ist ein F-Test?
Allgemeine Schritte für einen F-Test
F Test zum Nachdenken über zwei Fluktuationen
Von Hand
Zwei-Folge-F-Test
Richtlinien zum Übertreffen von Erwartungen
Siehe auch: F Messung bei ANOVA/Rückfall
Was ist ein F-Test?
Ein “F-Test” ist ein trickreicher Allerweltsbegriff für jeden Test, der die F-Zirkulation verwendet. Wenn Einzelpersonen über den F-Test sprechen, geht es in der Regel in Wirklichkeit um den F-Test zur Betrachtung von zwei Unterschieden. In jedem Fall wird die F-Messung in einer Reihe von Tests verwendet, darunter die Rückfalluntersuchung, der Chow-Test und der Scheffe-Test (ein Post-hoc-ANOVA-Test).
Allgemeine Schritte für einen F-Test
Falls Sie einen F-Test durchführen, sollten Sie den Test mit Hilfe von Erwartungen übertreffen, SPSS, Minitab oder einer anderen Art von Innovation durchführen. Warum? Die manuelle Berechnung des F-Tests, einschließlich der Fluktuationen, ist repetitiv und mühsam. Auf diese Weise werden Sie vermutlich unterwegs ein paar Fehler machen.
Für den Fall, dass Sie einen F-Test unter Verwendung von Innovation durchführen (z.B. einen F-Test zwei Beispiele für Unterschiede in Erwartungen übertreffen), sind die wichtigsten Fortschritte, die Sie wirklich machen müssen, Stufe 1 und 4 (Verwaltung der ungültigen Spekulation). Innovation wird die Stufen 2 und 3 für Sie darstellen.
Drücken Sie die ungültige Theorie aus und ersetzen Sie Spekulationen.
Die Wertschätzung der F zu ermitteln. Der F-Wert wird bestimmt, um das Rezept F = (SSE1 – SSE2/m)/SSE2/n-k zu verwenden, wobei SSE = verbleibende Gesamtheit von Quadraten, m = Anzahl der Begrenzungen und k = Anzahl der freien Faktoren.
Entdecken Sie das F-Maß (den grundlegenden Anreiz für diesen Test). Das Rezept für die F-Messung lautet:
F Messung = Differenz der Zusammentragung impliziert/Mittel der inneren Zusammentragungsschwankungen.
Sie können die F-Messung in der F-Tabelle entdecken.
Unterstützung oder Ablehnung der ungültigen Theorie.
Zurück zum Anfang
F Test zum Nachdenken über zwei Änderungen
Ein messbarer F-Test verwendet eine F-Messung, um über zwei Fluktuationen, s1 und s2, nachzudenken, indem diese isoliert werden. Ein Ergebnis ist eine konstant positive Zahl (da Veränderungen konstant positiv sind). Die Bedingung für die Gegenüberstellung von zwei Veränderungen und dem f-Test ist:
F = s21/s22
Bei Äquivalenz der Änderungen steigt der Anteil der Schwankungen auf 1. Wenn Sie zum Beispiel zwei Informationssammlungen mit einem Beispiel 1 (Fluktuation von 10) und einem Beispiel 2 (Differenz von 10) hätten, wäre das Verhältnis 10/10 = 1.
Im Allgemeinen testen Sie bei der Durchführung eines F-Tests, dass die Unterschiede in der Bevölkerung gleichwertig sind. Als solche erwarten Sie im Allgemeinen, dass die Änderungen äquivalent zu 1 sind. Auf diese Weise wird Ihre ungültige Theorie beständig besagen, dass die Schwankungen äquivalent sind.
Vermutungen
Für den Test werden einige Vermutungen angestellt. Ihre Bevölkerung muss in der Regel in der Nähe sein (z.B. den Zustand einer Klingelkurve haben), um den Test nutzen zu können. Darüber hinaus müssen die Beispiele autonome Anlässe sein. Darüber hinaus müssen Sie als Hauptpriorität einige wichtige Schwerpunkte schultern:
Die größere Differenz sollte konsequent in den Zähler (die oberste Zahl) gehen, um den Test in einen “right-followed” Test zu zwingen. Rechtsfolgende Tests sind einfacher zu ermitteln.
Bei Tests mit zwei Versuchen wird Alpha durch 2 geteilt, bevor der Grundwert des Privilegs ermittelt wird.
Für den Fall, dass Sie Standardabweichungen erhalten, sollten diese quadriert werden, um die Schwankungen zu erhalten.
Für den Fall, dass Ihr Grad an Möglichkeiten nicht in der F-Tabelle verzeichnet ist, nutzen Sie den größeren Grundwert. Dies wahrt eine strategische Distanz zur Plausibilität von Fehlern des Typs I.
F-Test mit zwei Fehlern
Schritt 6: Vergleichen Sie Ihren berechneten Wert (Schritt 2) mit Ihrem Tabellenwert (Schritt 5). Wenn Ihr berechneter Wert höher als der Tabellenwert ist, können Sie die Nullhypothese verwerfen:
F berechneter Wert: 1,66
F-Wert aus Tabelle: 2,287.
1.66 < 2 .287.
Mathematik & Statistik
Falsch-negativBeim Verständnis der Hypothese können zwei Fehler ziemlich verwirrend sein. Diese beiden Fehler sind falsch negativ und falsch positiv. Sie können den falsch-negativen Fehler auch als Fehler vom Typ II und den falsch-positiven als Fehler vom Typ I bezeichnen. Während des Lernens denken Sie vielleicht, dass diese Fehler keinen Nutzen haben und nur Ihre Zeit […]
Data Science Team05 May 2022
Mathematik & Statistik
Box-Plot-ÜbersichtMit Hilfe eines Box-Plots oder Box-and-Whisker-Plots können Sie die Verteilung der Datenbank in einer fünfstelligen Zusammenfassung darstellen. Das erste Quartil Q1 ist das Minimum, das dritte Quartil Q3 ist der Median und das fünfte Quartil Q5 ist das Maximum. Sie können die Ausreißer und ihre Werte mit Hilfe eines Boxplots finden. Sie können auch erkennen, […]
Data Science Team01 March 2021
Mathematik & Statistik
Bayes’sche NetzwerkeDas Erstellen eines probabilistischen Modells kann eine Herausforderung sein, erweist sich aber beim maschinellen Lernen als hilfreich. Um ein solches grafisches Modell zu erstellen, müssen Sie die probabilistischen Beziehungen zwischen den Variablen finden. Angenommen, Sie erstellen eine grafische Darstellung der Variablen. Sie müssen die Variablen als Knoten und die bedingte Unabhängigkeit als das Fehlen von […]
Data Science Team02 January 2021
