f分布用excel,电子表格f分布用于

1. f分布用于

F分布的性质：

1、它是一种非对称分布；　　

2、它有两个自由度，即n1 -1和n2-1，相应的分布记为F（ n1 –1， n2-1），n1 –1通常称为分子自由度，n2-1通常称为分母自由度；　　

3、F分布是一个以自由度和为参数的分布族，不同的自由度决定了F分布的形状。 F分布是1924年英国统计学家R.A.Fisher提出，并以其姓氏的第一个字母命名的。它是一种非对称分布，有两个自由度，且位置不可互换。F分布有着广泛的应用，如在方差分析、回归方程的显著性检验中都有着重要的地位。

2. F分布的形式

正态分布是最基本的，t分布是在正态分布的基础上引申而来的，而F分布是在t分布的基础上引申而来。如果说t分布是正态分布的儿子，那么F分布就是正态分布的孙子。

1、若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

2、t分布：若X为标准正态分布X~N（0,1），Y为卡方分布Y~χ2，自由度=k，且X和Y独立， X/(χ2/k)^(1/2)所构成的分布就是t分布。

t分布图像类似正态分布，唯一不同在于“厚尾”，即P[X≤1.96]=0.975，而P [Y≤1.96]＜0.975，图像表现上，t分布两端的尾巴与X轴的距离比正态分布更大，即概率比正态分布大

3、F分布，若X~χ2，自由度为k1，Y~χ2，自由度为k2，(X/k1) / (Y/K2)所构成的分布，成为F分布，有两个自由度，k1为分子自由度，k2为分布自由度。

扩展资料

正态分布的特点：

（1）仅有两个参数，且μ=0，σ2=1；

（2）对于标准正态分布，有如下结论：P[-1<X<1]≈2/3，P[-2<X<2]≈95%，超过3个标准差的概率几乎等于1；

（3）对称，x<-a和x>a概率相等，从图形上来看就是-a和a的相反侧面积相等；

（4）若X和Y分别都服从正态分布，那么，（aX+bY）也服从正态分布。

3. F分布适用于

F分布的概率密度公式相当复杂。 在实践中，我们不需要关心这个公式。 然而，了解一些有关F分布属性的细节可能会非常有帮助。 下面列出了这个发行版的一些更重要的功能：

F分布是一个分布族。 这意味着有无数不同的F分布。 我们用于应用的特定F分布取决于我们的样本所具有的自由度数。 F分布的这个特征类似于t分布和卡方分布。

F分布为零或正数，因此F没有负值。 F分布的这个特征类似于卡方分布。

F分布偏向右侧。 因此这个概率分布是非对称的。 F分布的这个特征类似于卡方分布

4. f分布用于什么情况

F分布与t分布和卡方分布的关系

5. F分布用于比较数据的

　　检验是统计学中的比较基础的理论，很多统计分析会运用到F检验，包括方差分析。方差分析将判断均值的变化的量转化为方差，根据方差分析的数学假设前提，可以知道该方差统计变量是符合F分布的统计变量，所以用F检验； 　　F检验又叫方差齐性检验。在两样本t检验中要用到F检验。 　　从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法。 　　其中要判断两总体方差是否相等，就可以用F检验。 　　简单的说就是 检验两个样本的 方差是否有显著性差异 这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。 　　F检验法是英国统计学家Fisher提出的，主要通过比较两组数据的方差 S^2，以确定他们的精密度是否有显著性差异。至于两组数据之间是否存在系统误差，则在进行F检验并确定它们的精密度没有显著性差异之后，再进行t检验。

6. f分布是什么

若随机变量x是2个相互独立且都服从卡方分布的随机变量的商，则x服从F分布。。

当分子服从自由度为m的卡方分布，分母服从自由度为n的卡方分布时，x服从二元自由度为(m,n)的F分布。。

7. 使用f分布的是

F值是统计检定值，F检验又叫方差齐性检验。通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。

结果的统计学意义是结果真实程度的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。

8. F分布用于什么检验

前提假设略去不写(请自己查书)，简单的说，

t分布用于检验均值是否不同。

F分布用于检验方差是否不同。

卡方分布主要用于检验样本是否偏离了期望，例如偏离了期望的分布(拟合优度检验)，期望的比例(列联表)等。

t检验和F检验只能使用连续数据(定量数据)。

卡方检验既可以使用连续数据，也可以使用离散数据(频数)，也可以用于对数似然值。但计算公式不同。

三者都可以用于回归方程系数的检验。

t统计量的平方就等价于F统计量。

大样本时，t检验就等价于Z检验，其平方等效于卡方统计量(在logistic回归中有这两种表示法)。

------------------------------------

补充: 两个卡方统计量除以各自自由度后再相除，就等于F统计量。

9. f分布的特点

正态分布是最基本的，t分布是在正态分布的基础上引申而来的，而F分布是在t分布的基础上引申而来。如果说t分布是正态分布的儿子，那么F分布就是正态分布的孙子。

1、若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

2、t分布：若X为标准正态分布X~N（0,1），Y为卡方分布Y~χ2，自由度=k，且X和Y独立， X/(χ2/k)^(1/2)所构成的分布就是t分布。

t分布图像类似正态分布，唯一不同在于“厚尾”，即P[X≤1.96]=0.975，而P [Y≤1.96]＜0.975，图像表现上，t分布两端的尾巴与X轴的距离比正态分布更大，即概率比正态分布大

3、F分布，若X~χ2，自由度为k1，Y~χ2，自由度为k2，(X/k1) / (Y/K2)所构成的分布，成为F分布，有两个自由度，k1为分子自由度，k2为分布自由度。

10. f分布作用

X服从F（8,8）分布 1/X~F（8,8） 与 X 的分布相同 P{X>α}=0.1 ∴ P{X<α}=0.9 P{X>1/α}=P{1/X<α}=P{X<α}=0.9

11. 什么叫F分布

均值n/(n-2) n是f分布的第二个自由度。

均值描述的是样本集合的中间点他告诉我们的信息是有限的。

方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量，概率论中方差用来度量随机变量和其数学期望即均值之间的偏离程度，统计中的方差，样本方差是各个数据分别与其平均数之差的平方的和的平均数，在许多实际问题中研究方差既偏离程度有着重要意义，方差是衡量原数据和期望值相差的度量值。