So führen sie einen f-test in r durch

Ein F-Test wird verwendet, um zu testen, ob zwei Populationsvarianzen gleich sind. Die Null- und Alternativhypothese des Tests lauten wie folgt:

H ₀ : σ ₁ ² = σ ₂ ² (Populationsvarianzen sind gleich)

H ₁ : σ ₁ ² ≠ σ ₂ ² (Populationsvarianzen sind nicht gleich)

Um einen F-Test in R durchzuführen, können Sie die Funktion var.test() mit einer der folgenden Syntaxen verwenden:

• Methode 1: var.test(x, y, alternative = „zwei Seiten“)
• Methode 2: var.test(Werte ~ Gruppen, Daten, Alternative = „zwei Seiten“)

Beachten Sie, dass Alternative die zu verwendende Alternativhypothese angibt. Die Standardeinstellung ist „zweiseitig“, Sie können jedoch auch „links“ oder „rechts“ angeben.

In diesem Tutorial wird erläutert, wie Sie mit beiden Methoden einen F-Test in R durchführen.

Methode 1: F-Test in R

Der folgende Code zeigt, wie ein F-Test mit der ersten Methode durchgeführt wird:

 #define the two groups
x <- c(18, 19, 22, 25, 27, 28, 41, 45, 51, 55)
y <- c(14, 15, 15, 17, 18, 22, 25, 25, 27, 34)

#perform an F-test to determine in the variances are equal
var.test(x, y)

	F test to compare two variances

data: x and y
F = 4.3871, num df = 9, denom df = 9, p-value = 0.03825
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
  1.089699 17.662528
sample estimates:
ratio of variances 
          4.387122 

Die F-Test-Statistik beträgt 4,3871 und der entsprechende p-Wert beträgt 0,03825 . Da dieser p-Wert kleiner als 0,05 ist, würden wir die Nullhypothese ablehnen. Dies bedeutet, dass wir genügend Beweise haben, um zu sagen, dass die beiden Populationsvarianzen nicht gleich sind.

Methode 2: F-Test in R

Der folgende Code zeigt, wie ein F-Test mit der ersten Methode durchgeführt wird:

 #define the two groups
data <- data.frame(values=c(18, 19, 22, 25, 27, 28, 41, 45, 51, 55,
                            14, 15, 15, 17, 18, 22, 25, 25, 27, 34),
                   group= rep (c('A', 'B'), each = 10 ))

#perform an F-test to determine in the variances are equal
var.test(values~group, data=data)

	F test to compare two variances

data: x and y
F = 4.3871, num df = 9, denom df = 9, p-value = 0.03825
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
  1.089699 17.662528
sample estimates:
ratio of variances 
          4.387122 

Auch hier beträgt die F-Test-Statistik 4,3871 und der entsprechende p-Wert beträgt 0,03825 . Da dieser p-Wert kleiner als 0,05 ist, würden wir die Nullhypothese ablehnen.

Dies bedeutet, dass wir genügend Beweise haben, um zu sagen, dass die beiden Populationsvarianzen nicht gleich sind.

Verwandte Themen : Führen Sie einen F-Test mit diesem kostenlosen F-Test-Rechner für gleiche Varianzen durch.

Wann ist der F-Test anzuwenden?

Der F-Test wird typischerweise zur Beantwortung einer der folgenden Fragen verwendet:

1. Stammen zwei Stichproben aus Populationen mit gleichen Varianzen?

2. Reduziert eine neue Behandlung oder ein neuer Prozess die Variabilität einer aktuellen Behandlung oder eines aktuellen Prozesses?

Zusätzliche Ressourcen

So führen Sie einen F-Test in Python durch
So interpretieren Sie den F-Test für die Gesamtsignifikanz bei der Regression