Comment trouver la valeur critique F en Python

Lorsque vous effectuez un test F, vous obtenez une statistique F. Pour déterminer si les résultats du test F sont statistiquement significatifs, vous pouvez comparer la statistique F à une valeur critique F. Si la statistique F est supérieure à la valeur critique F, alors les résultats du test sont statistiquement significatifs.

La valeur critique F peut être trouvée en utilisant une table de distribution F ou en utilisant un logiciel statistique.

Pour trouver la valeur critique de F, il vous faut :

• Un niveau de signification (les choix courants sont 0,01, 0,05 et 0,10)
• Degrés de liberté du numérateur
• Degrés de liberté du dénominateur

En utilisant ces trois valeurs, vous pouvez déterminer la valeur critique F à comparer avec la statistique F.

Comment trouver la valeur critique F en Python

Pour trouver la valeur critique F en Python, vous pouvez utiliser la fonction scipy.stats.f.ppf() , qui utilise la syntaxe suivante :

scipy.stats.f.ppf(q, dfn, dfd)

où:

• q : Le niveau de signification à utiliser
• dfn : Les degrés de liberté du numérateur
• dfd : Les degrés de liberté du dénominateur

Cette fonction renvoie la valeur critique de la distribution F en fonction du niveau de signification, des degrés de liberté du numérateur et des degrés de liberté du dénominateur fournis.

Par exemple, supposons que nous souhaitions trouver la valeur critique F pour un niveau de signification de 0,05, des degrés de liberté au numérateur = 6 et des degrés de liberté au dénominateur = 8.

import scipy.stats

#find F critical value
scipy.stats.f.ppf(q=1-.05, dfn=6, dfd=8)

3.5806

La valeur critique F pour un niveau de signification de 0,05, des degrés de liberté au numérateur = 6 et des degrés de liberté au dénominateur = 8 est 3,5806 .

Ainsi, si nous effectuons un type de test F, nous pouvons comparer la statistique du test F à 3,5806 . Si la statistique F est supérieure à 3,580, alors les résultats du test sont statistiquement significatifs.

Notez que des valeurs alpha plus petites conduiront à des valeurs critiques F plus grandes. Par exemple, considérons la valeur critique F pour un niveau de signification de 0,01 , les degrés de liberté du numérateur = 6 et les degrés de liberté du dénominateur = 8.

scipy.stats.f.ppf(q=1-.01, dfn=6, dfd=8)

6.3707

Et considérons la valeur critique F avec exactement les mêmes degrés de liberté pour le numérateur et le dénominateur, mais avec un niveau de signification de 0,005 :

scipy.stats.f.ppf(q=1-.005, dfn=6, dfd=8)

7.9512

Reportez-vous à la documentation SciPy pour les détails exacts de la fonction f.ppf().