La différence et le lien entre le test f et le test t

L'origine du test T et du test F

D'une manière générale, afin de déterminer l'échantillon ) La probabilité de se tromper lorsque les résultats statistiques sont extrapolés à la population Nous utiliserons certaines méthodes statistiques développées par les statisticiens pour réaliser des tests statistiques.

En comparant la valeur du test statistique obtenue avec la distribution de probabilité de certaines variables aléatoires établie par les statisticiens, nous pouvons connaître le % de chances que nous obtenions le résultat actuel. (Apprentissage recommandé : Tutoriel vidéo PHP)

Si après comparaison, on constate que la chance que ce résultat se produise est très faible, c'est-à-dire qu'il s'agit d'un phénomène très rare et rare situation est seulement apparue ; alors nous pouvons affirmer avec certitude que ce n’est pas une coïncidence, mais que c’est statistiquement significatif (en termes statistiques, cela signifie que l’hypothèse nulle peut être rejetée, Ho). Au contraire, s'il s'avère après comparaison que la probabilité d'occurrence est très élevée et que ce n'est pas rare, alors nous ne pouvons pas dire avec une grande certitude que ce n'est pas une coïncidence. Peut-être que c'est une coïncidence, peut-être pas, mais nous ne pouvons pas. soyez sûr.

La valeur F et la valeur t sont ces valeurs de test statistique, et les distributions de probabilité qui leur correspondent sont la distribution F et la distribution t. La signification statistique (sig) est la probabilité que ce résultat se produise dans l'échantillon actuel.

Vous souhaitez tester si la différence entre les moyennes de deux échantillons indépendants peut être déduite de la population et utiliser le test t.

Quant au F-test, analyse de variance (ou analyse de translation de variance, Analysis of Variance), son principe est à peu près le même que celui évoqué ci-dessus, mais il est réalisé en examinant la variance des variables. Il est principalement utilisé pour : les tests de signification des différences moyennes, la séparation des facteurs pertinents et l'estimation de leurs effets sur la variation totale, l'analyse des interactions entre facteurs, les tests d'égalité des variances, etc.

La relation entre le test T et le test F

Le processus du test t consiste à tester la signification de la différence entre les moyennes de deux échantillons. Cependant, le test t nécessite de savoir si les variances (Variances) des deux populations sont égales ; le calcul de la valeur du test t sera différent selon que les variances sont égales ou non. En d’autres termes, le test t dépend du résultat de l’égalité des variances (Equality of Variances). Par conséquent, alors que SPSS effectue le test t pour l'égalité des moyennes, il effectue également le test de Levene pour l'égalité des variances.

Ce que vous faites est un test T, pourquoi y a-t-il une valeur F

C'est parce que vous devez évaluer si les variances des deux populations sont égales, et vous devez le faire Test de Levene pour l'égalité des variances. Pour tester la variance, il existe une valeur F.

Pour plus d'articles techniques liés à PHP, veuillez visiter la colonne Tutoriel graphique PHP pour apprendre !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!