示例 1
样本 1 的方差: 10; 样本 1 的大小: 20; 样本 2 的方差: 5; 样本 2 的大小: 25; 显著性水平 (alpha): 0.05
自由度 2 (df2): 24; 自由度 1 (df1): 19; F统计量: 2; P值 (近似值): 1.220930233; 临界值 (双尾): 2; 结果: 不拒绝原假设
执行F检验以比较两个总体的方差。
请按顺序填写输入项,然后比较输出结果,而不是只依赖单一场景。
样本 1 的方差, 样本 1 的大小, 样本 2 的方差, 样本 2 的大小, 显著性水平 (alpha) → 自由度 2 (df2), 自由度 1 (df1), F统计量, P值 (近似值), 临界值 (双尾), 结果
在输入你自己的数值之前,可先用这些示例验证计算器的行为。
样本 1 的方差: 10; 样本 1 的大小: 20; 样本 2 的方差: 5; 样本 2 的大小: 25; 显著性水平 (alpha): 0.05
自由度 2 (df2): 24; 自由度 1 (df1): 19; F统计量: 2; P值 (近似值): 1.220930233; 临界值 (双尾): 2; 结果: 不拒绝原假设
样本 1 的方差: 25; 样本 1 的大小: 30; 样本 2 的方差: 10; 样本 2 的大小: 35; 显著性水平 (alpha): 0.05
自由度 2 (df2): 34; 自由度 1 (df1): 29; F统计量: 2.5; P值 (近似值): 1.276190476; 临界值 (双尾): 2.5; 结果: 不拒绝原假设
样本 1 的方差: 8; 样本 1 的大小: 15; 样本 2 的方差: 12; 样本 2 的大小: 20; 显著性水平 (alpha): 0.05
自由度 2 (df2): 19; 自由度 1 (df1): 14; F统计量: 0.6666666667; P值 (近似值): 1.212121212; 临界值 (双尾): 1.5; 结果: 不拒绝原假设
使用代数、几何、三角学、概率、统计、平均值、z 分数、统计检验和绘图任务的计算器。
这些链接旨在加深本次会话,并回答下一个最可能出现的问题,而无需让用户返回搜索结果。
当正态性假设被违反时,进行非参数检验以比较两个独立组之间的差异。它计算 U 统计量和相关的 p 值。
计算观察到的检验统计量与计算出的统计量一样极端或更极端的概率,假设原假设为真。
计算卡方统计量和用于拟合优度或独立性检验的p值。它需要观察值和期望频率或值。
计算与标准正态 (Z) 分布或任何正态分布相关的概率和百分位数。