توزيع F (فيشر)

خطوات الاستخدام

الخطوة 1: فهم ما تمثله دالة كثافة الاحتمال (PDF) لتوزيع F. تعطي دالة كثافة الاحتمال لتوزيع F الاحتمال النسبي لملاحظة قيمة معينة لإحصاء F، بمعرفة درجات الحرية للبسط (df1) والمقام (df2). توزيع F مستمر وغير متماثل، ويستخدم بشكل رئيسي في تحليل التباين (ANOVA) وتحليل الانحدار واختبارات مساواة التباين.

الخطوة 2: أدخل قيمة x، والتي يجب أن تكون غير سالبة. يُعرّف توزيع F فقط لـ x ≥ 0. إذا كانت x سالبة، تكون دالة الكثافة صفرًا. ستحسب الآلة الحاسبة دالة الكثافة باستخدام الصيغة: f(x; d1, d2) = (1 / B(d1/2, d2/2)) * (d1/d2)^(d1/2) * x^(d1/2 - 1) * (1 + (d1/d2)*x)^(-(d1+d2)/2)، حيث B(a,b) هي دالة بيتا.

الخطوة 3: أدخل درجات حرية البسط (df1). هذه عادةً درجات الحرية لتقدير التباين في بسط نسبة F. يجب أن يكون df1 عددًا صحيحًا موجبًا. كلما زاد df1، ينتقل التوزيع إلى اليمين ويصبح أكثر تركيزًا.

الأسئلة الشائعة

تصف دالة كثافة الاحتمال لتوزيع F كثافة إحصاء F تحت فرضية العدم. القيمة الاحتمالية لاختبار أحادي الذيل (مثل اختبار F لمساواة التباينات أو ANOVA) هي المساحة تحت منحنى دالة الكثافة إلى يمين إحصاء F المرصود. بمعنى آخر، p = ∫_{F_obs}^{∞} f(x; df1, df2) dx. قيم دالة الكثافة نفسها ليست قيماً احتمالية؛ إنها جزء من التكامل. ومع ذلك، فإن فهم دالة الكثافة يساعد في تفسير القيمة الاحتمالية. على سبيل المثال، إذا كان إحصاء F المرصود يقع في منطقة تكون فيها دالة الكثافة صغيرة جداً، ستكون القيمة الاحتمالية صغيرة، مما يشير إلى دليل ضد فرضية العدم. على العكس، إذا كان إحصاء F قريباً من مركز التوزيع (حيث تكون دالة الكثافة عالية)، تكون القيمة الاحتمالية كبيرة. يحدد شكل دالة الكثافة (الذي يعتمد على df1 و df2) سرعة تناقص الأطراف. مع درجات الحرية الكبيرة، يقترب توزيع F من التوزيع الطبيعي، وتتقارب القيم الحرجة. في ANOVA، تخبرنا القيمة الاحتمالية من اختبار F ما إذا كانت متوسطات المجموعات مختلفة بشكل كبير. دالة الكثافة أساسية لحساب القيم الاحتمالية الدقيقة، وبدونها سنعتمد على الجداول أو التقريبات.

يتم تعريف دالة كثافة الاحتمال لتوزيع F بمعلمتين: df1 (درجات حرية البسط) و df2 (درجات حرية المقام). كلاهما أعداد صحيحة موجبة. التوزيع منحرف لليمين، ويقل الانحراف مع زيادة كل من df1 و df2. على وجه التحديد: 1) عندما يكون df1 صغيراً (مثلاً 1 أو 2)، يكون التوزيع شديد الانحراف لليمين مع ذيل طويل. مع زيادة df1، ينتقل المنوال إلى اليمين ويصبح التوزيع أكثر تماثلاً. 2) عندما يكون df2 صغيراً، يكون التوزيع أكثر انتشاراً مع ذيل أثقل. مع زيادة df2، يصبح التوزيع أكثر تركيزاً حول متوسطه (الذي يقارب df2/(df2-2) لـ df2>2)، وتصبح الأطراف أخف. 3) عندما يكون كل من df1 و df2 كبيرين، يقترب توزيع F من التوزيع الطبيعي. كما تظهر دالة الكثافة قمة (منوال) عند x = (df1-2)/df1 * (df2/(df2+2)) لـ df1>2، لكن هذه الصيغة تقريبية. التباين أيضاً دالة في درجات الحرية. فهم هذه التغييرات في الشكل يساعد في تصميم التجارب؛ على سبيل المثال، زيادة df2 (عن طريق زيادة حجم العينة) يجعل اختبار F أكثر قوة لأن التوزيع يصبح أكثر تركيزاً حول فرضية العدم، مما يسهل اكتشاف الفروق الحقيقية.

نعم، دالة كثافة الاحتمال لتوزيع F معرفة لأي درجات حرية حقيقية موجبة، وليس فقط الأعداد الصحيحة. في الواقع، تستخدم الصيغة دالة بيتا، وهي دالة مستمرة لوسيطاتها. لذا يمكن أن تكون df1 و df2 أي أرقام حقيقية موجبة. ومع ذلك، في معظم التطبيقات الإحصائية القياسية (ANOVA، الانحدار)، تكون درجات الحرية أعداداً صحيحة. لكن في بعض السياقات المتقدمة مثل النماذج المختلطة أو عند استخدام درجات حرية معدلة (مثل اختبار Welch)، قد تظهر درجات حرية غير صحيحة. تعرف دالة بيتا B(a,b) بأنها ∫_0^1 t^{a-1} (1-t)^{b-1} dt، وترتبط بدالة جاما: B(a,b) = Γ(a)Γ(b)/Γ(a+b). في دالة كثافة الاحتمال لتوزيع F، تظهر دالة بيتا في ثابت التسوية لضمان أن المساحة الكلية تحت المنحنى تساوي 1. بدون دالة بيتا، لن يكون تكامل دالة الكثافة مساوياً للواحد. المجموعة المحددة (d1/d2)^(d1/2) * x^(d1/2-1) * (1+ (d1/d2)x)^(-(d1+d2)/2) هي متناسبة مع دالة الكثافة، وعامل بيتا يقوم بتحجيمها بشكل صحيح. يمكن حساب دالة بيتا عددياً، وتستخدم العديد من البرامج الإحصائية خوارزميات لتقييمها. بالنسبة لدرجات الحرية الصحيحة، يمكن التعبير عن دالة بيتا باستخدام العوامل، كما رأينا في الأمثلة.

تتضمن الأخطاء الشائعة: 1) إدخال قيم سالبة لـ x: يُعرّف توزيع F فقط لـ x ≥ 0. إذا كانت x سالبة، يجب أن تكون دالة الكثافة صفراً. قد ترجع بعض الآلات الحاسبة خطأ أو نتيجة غير قابلة للتطبيق. تأكد دائماً من أن x غير سالبة. 2) إدخال درجات حرية غير موجبة: يجب أن تكون df1 و df2 موجبتين. إذا كانت إحداهما صفراً أو سالبة، تنهار الصيغة لأن دالة بيتا تتطلب وسيطات موجبة. 3) الخلط بين df1 و df2: في اختبار F، تتوافق درجات حرية البسط مع تقدير التباين الذي من المتوقع أن يكون أكبر تحت الفرضية البديلة. في ANOVA أحادي الاتجاه، df1 = عدد المجموعات - 1؛ df2 = إجمالي المشاهدات - عدد المجموعات. تبديلهما يعطي توزيعاً مختلفاً. 4) تفسير ناتج دالة الكثافة بشكل خاطئ: قيمة دالة الكثافة ليست احتمالاً؛ إنها كثافة. غالباً ما يخطئ المستخدمون في اعتبارها احتمالاً ومقارنتها مباشرة بمستويات الأهمية. تذكر دائماً أن الاحتمالات تأتي من التكاملات. 5) استخدام دالة الكثافة لاختبارات أحادية الذيل بشكل غير صحيح: عادةً ما يكون اختبار F أحادي الذيل (الذيل الأيمن) لأننا نختبر ما إذا كانت نسبة التباينات أكبر من 1. لكن في بعض الأحيان تُستخدم اختبارات ثنائية الذيل، خاصة لاختبارات مساواة التباين. تأكد من مراعاة الذيل المناسب. لتجنب الأخطاء، تحقق دائماً من نطاقات الإدخال، وسمّ المدخلات بوضوح، وقم بتثقيف المستخدمين حول تفسير دالة الكثافة مقابل دالة التوزيع التراكمي (CDF).

توزيع F (فيشر)

أدخل القيم

خطوات الاستخدام

أمثلة محلولة

أمثلة محسوبة

الأسئلة الشائعة

أدخل القيم

خطوات الاستخدام

1لنفترض أن لديك إحصاء F بقيمة 3.2 مع درجات حرية البسط df1=4 ودرجات حرية المقام df2=30. ما هي قيمة دالة الكثافة عند x=3.2؟ وماذا تعني؟

2أنت تجري اختبار ANOVA مع 3 مجموعات (df1 = 2) و 30 مشاهدة إجمالية (df2 = 27). تحصل على إحصاء F بقيمة 4.5. احسب دالة الكثافة عند x=4.5 واشرح الأهمية.

أمثلة محسوبة

الأسئلة الشائعة