F分布

同義語:F distributionF-distribution

概要

F 分布(F distribution)とは、独立な 2 つのカイ二乗分布の変数を自由度で割った比の分布である。自由度 $(a,b)$ の密度はベータ分布の変数変換から得られ、$b/2$ 次未満の積率は $\Gamma$ 関数で書ける。逆数は $F(b,a)$ に従い、$t$ 分布の変数の 2 乗は $F(1,b)$ に従う。2 つの母分散の比の推定、分散分析、回帰の $F$ 検定で使う。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: カイ二乗分布, t分布, ベータ分布, Γ関数

F 分布(F distribution)は、独立な 2 つの カイ二乗分布 の変数を自由度で割った比の分布である。統計では、2 つのばらつきの大きさを比べるときに現れる。ばらつきの推定量は未知の分散を尺度として含むが、比をとると尺度が消え、分布が自由度だけで決まる。2 つの母分散の比較と 回帰分析 の $F$ 検定、群の平均の比較である分散分析は、すべてこの性質を使う。
この記事では次のことを示す。

  • 密度と分布関数(thm-fd-density)。ベータ分布への帰着が計算の中心である。
  • 逆数、$t$ 分布、Cauchy 分布との関係と、下側の点の求め方(prop-fd-relations)。
  • 積率の閉じた式(thm-fd-moments)と、$b/2$ 次より上の積率がないこと。
  • 自由度が大きいときの極限(thm-fd-limits)。
  • 母分散の比の推定(thm-fd-variance-ratio)と分散分析(thm-fd-anova)。
  • 正規性・等分散性を外すとどう成り立たなくなるか(反例の表)。
    平均と分散の値は 確率分布の一覧 の表に、密度の別の導出は 確率変数の変換 の例「F 分布の密度」にある。入れ子の線形モデルの比較は 回帰分析 が持つので、ここでは最も簡単な場合である一元配置を扱う。

定義

F 分布

$a,b>0$ とし、$U\sim\chi^2_a$、$V\sim\chi^2_b$ を独立な確率変数とする。
$$ X:=\frac{U/a}{V/b} $$
の分布を 自由度 $(a,b)$ の F 分布 といい、$F(a,b)$ と書く。$a$ を第 1 自由度(分子の自由度)、$b$ を第 2 自由度(分母の自由度)という。

$a,b$ が正の整数なら、独立な標準正規分布の変数 $Z_i,W_j$ によって $X=\frac{(Z_1^2+\dots+Z_a^2)/a}{(W_1^2+\dots+W_b^2)/b}$ と書ける(ER10 Definition 4.6.3、p. 241)。定義は 回帰分析 の定義「F 分布と上側の点」と同じで、正の実数の自由度にも広げてある。
$0< \alpha< 1$ について、$P(X>c)=\alpha$ となる $c$ を $F_{a,b}(\alpha)$ と書き、上側 $100\alpha\%$ 点 という。

密度と分布関数

密度と分布関数

$X\sim F(a,b)$ とする。
(1) $B:=\dfrac{aX}{b+aX}=\dfrac U{U+V}$ は $\mathrm{Beta}(\frac a2,\frac b2)$ に従う。
(2) $X$ の密度は $x>0$ で
$$ f_{a,b}(x)=\frac{(a/b)^{a/2}}{B(\frac a2,\frac b2)}\,x^{a/2-1}\Bigl(1+\frac{ax}b\Bigr)^{-\frac{a+b}2} $$
である。
(3) $P(X\le x)=I_{ax/(b+ax)}\bigl(\frac a2,\frac b2\bigr)$ である。$I_w(p,q)$ は $\mathrm{Beta}(p,q)$ の分布関数(正則化された不完全ベータ関数)である。

ベータ分布の変換

$\chi^2_\nu=\mathrm{Gamma}(\frac\nu2,\frac12)$ である(カイ二乗分布)。ベータ分布 の定理「ガンマ分布の割合と和」により $U/(U+V)\sim\mathrm{Beta}(\frac a2,\frac b2)$ である。$X=\frac{bU}{aV}$ から $\frac{aX}{b+aX}=\frac{U}{U+V}$ なので (1) を得る。
$\beta(x):=\frac{ax}{b+ax}$ は $(0,\infty)$ から $(0,1)$ への増加する全単射なので、(3) が従う。$\beta'(x)=\frac{ab}{(b+ax)^2}$、$1-\beta=\frac b{b+ax}$ だから、$p=\frac a2$、$q=\frac b2$ とおくと密度は
$$ \frac{\beta^{p-1}(1-\beta)^{q-1}}{B(p,q)}\,\beta'=\frac{(ax)^{p-1}b^{q-1}\,ab}{B(p,q)\,(b+ax)^{p+q}}=\frac{a^pb^q\,x^{p-1}}{B(p,q)\,(b+ax)^{p+q}} $$
である。$(b+ax)^{p+q}=b^{p+q}(1+\frac{ax}b)^{p+q}$ で割り直すと (2) になる。$\square$

これは ER10 Theorem 4.6.9(p. 241)の密度である。(1) により、F 分布の計算はすべてベータ分布の計算に移せる。
横軸 x が 0 から 4 の範囲で、自由度 (1,10)、(2,10)、(5,10)、(5,100)、(20,20) の密度を重ねた図。(1,10) は原点で発散し、(2,10) は原点で値 1 をとって減少する。(5,10) と (5,100) は原点で 0 から山をもち、(20,20) は 1 の近くに集まる。 横軸 x が 0 から 4 の範囲で、自由度 (1,10)、(2,10)、(5,10)、(5,100)、(20,20) の密度を重ねた図。(1,10) は原点で発散し、(2,10) は原点で値 1 をとって減少する。(5,10) と (5,100) は原点で 0 から山をもち、(20,20) は 1 の近くに集まる。
図のとおり、密度の形は $a$ で 3 通りに分かれる。$a< 2$ なら原点で発散し、$a=2$ なら $f(0)=1$ で減少し、$a>2$ なら $f(0)=0$ で山を 1 つもつ。山の位置(最頻値)は、$\log f$ を微分して $0$ とおくと
$$ \frac{a-2}a\cdot\frac b{b+2}\qquad(a>2) $$
である。これは $1$ より小さい。

他の分布との関係

逆数・t 分布・Cauchy 分布
  1. $X\sim F(a,b)$ なら $1/X\sim F(b,a)$ である。したがって $F_{a,b}(1-\alpha)=\dfrac1{F_{b,a}(\alpha)}$ である。
  2. $T\sim t_b$ なら $T^2\sim F(1,b)$ である。したがって $F_{1,b}(\alpha)=t_b(\alpha/2)^2$ である。$F(1,1)$ は標準 Cauchy 分布の変数の 2 乗の分布である。
  3. $F(2,b)$ については $P(X>x)=\bigl(1+\frac{2x}b\bigr)^{-b/2}$ である。$F(a,2)$ については $P(X\le x)=\bigl(\frac{ax}{2+ax}\bigr)^{a/2}$ である。
  4. $F(a,a)$ の中央値は $1$ である。
定義の分子と分母を入れ替える
  1. 定義の分数の上下を入れ替えると $1/X$ は $F(b,a)$ の形である。$c:=F_{a,b}(1-\alpha)$ とすると $P(X>c)=1-\alpha$、すなわち $P(1/X>1/c)=\alpha$($X$ は連続分布)なので $1/c=F_{b,a}(\alpha)$ である。
  2. t分布 の定理「$t$ 分布の密度」により、$T$ は $Z/\sqrt{W/b}$($Z\sim N(0,1)$ と $W\sim\chi^2_b$ が独立)と同じ分布に従い、$Z^2\sim\chi^2_1$ である。$P(T^2>c)=2P(T>\sqrt c)$ から点の関係を得る。$t_1$ は標準 Cauchy 分布である。
  3. $a=2$ のとき $B(1,\frac b2)=\frac2b$ なので $f_{2,b}(x)=(1+\frac{2x}b)^{-1-b/2}$ で、積分すると第 1 式を得る。第 2 式は (1) と第 1 式から $P(X\le x)=P(1/X\ge1/x)=(1+\frac2{ax})^{-a/2}$ である。
    1. により $X$ と $1/X$ は同じ分布なので $P(X< 1)=P(X>1)$ で、$X$ は連続分布である。$\square$
  1. と (2) は ER10 Theorem 4.6.10、4.6.12(pp. 241–242)である。数表の多くが上側の点だけを載せているのは (1) による。

積率と裾

積率

$X\sim F(a,b)$ とする。実数 $r$ について、$E[X^r]< \infty$ であることと $-\frac a2< r< \frac b2$ は同値で、そのとき
$$ E[X^r]=\Bigl(\frac ba\Bigr)^r\frac{\Gamma(\frac a2+r)\,\Gamma(\frac b2-r)}{\Gamma(\frac a2)\,\Gamma(\frac b2)} $$
である。$x\to\infty$ で $f_{a,b}(x)$ は $x^{-b/2-1}$ の定数倍に漸近する。

分子と分母の積に分ける

$U\sim\chi^2_\nu$ の密度から、$r>-\frac\nu2$ なら $E[U^r]=2^r\Gamma(\frac\nu2+r)/\Gamma(\frac\nu2)$ で、$r\le-\frac\nu2$ なら密度の原点の $u^{\nu/2-1}$ により $E[U^r]=\infty$ である。独立性から $E[X^r]=(\frac ba)^rE[U^r]E[V^{-r}]$ であり(値は $[0,\infty]$ で考える)、$r>-\frac a2$ と $-r>-\frac b2$ の両方が必要十分である。代入すると $2^r2^{-r}=1$ で主張の式になる。
裾は thm-fd-density の (2) の式で $(1+\frac{ax}b)^{-\frac{a+b}2}\sim(\frac{ax}b)^{-\frac{a+b}2}$ とすればよい。$\square$

この式は、$X$ の Mellin 変換 $E[X^{s-1}]$ を与えている(Mellin変換 の命題「積の分布と一意性」)。$(1+t)^{-\rho}$ の変換の行と同じ形である。

平均と分散

$b>2$ なら $E[X]=\dfrac b{b-2}$ である。$b>4$ なら $\mathrm{Var}(X)=\dfrac{2b^2(a+b-2)}{a(b-2)^2(b-4)}$ である。

$r=1$ で $\Gamma(\frac a2+1)/\Gamma(\frac a2)=\frac a2$、$\Gamma(\frac b2-1)/\Gamma(\frac b2)=\frac2{b-2}$ なので $E[X]=\frac ba\cdot\frac a2\cdot\frac2{b-2}=\frac b{b-2}$ である。$r=2$ で同様に $E[X^2]=\frac{b^2(a+2)}{a(b-2)(b-4)}$ で、$E[X]^2$ を引いて通分すると分散の式を得る。$\square$

平均は第 1 自由度によらない。また $b\le2$ なら平均がなく、$b\le4$ なら分散がない。$b$ の小さい F 分布は裾が重く、thm-fd-limits の近似は上側の点で悪くなる。

自由度が大きいとき

極限
  1. $a$ を固定して $b\to\infty$ とすると、$X_b\sim F(a,b)$ について $aX_b$ は $\chi^2_a$ に分布収束する。
  2. $b$ を固定して $a\to\infty$ とすると、$X_a\sim F(a,b)$ について $b/X_a$ は $\chi^2_b$ に分布収束する。
  3. 正の整数 $a,b$ を $a,b\to\infty$ とすると(速さの関係は問わない)、$X\sim F(a,b)$ について
    $$ \sqrt{\frac{ab}{2(a+b)}}\,\log X $$
    は標準正規分布に分布収束する。
大数の法則と特性関数
  1. $V_b\sim\chi^2_b$ は平均 $b$、分散 $2b$ なので、Chebyshevの不等式 により $V_b/b\to1$(確率収束)である。$aX_b=U/(V_b/b)$ で、$U$ の分布は $b$ によらない。Slutsky の補題から主張を得る(ER10 Theorem 4.6.11、p. 242)。
    1. と prop-fd-relations の (1) による。
  2. $L_\nu:=\sqrt{\nu/2}\,\log(V_\nu/\nu)$ とおく。カイ二乗分布 の命題「正規分布による近似」により $\sqrt{\nu/2}\,(V_\nu/\nu-1)$ は標準正規分布に分布収束し、$V_\nu/\nu\to1$ である。$\log y=(y-1)(1+o(1))$($y\to1$)から $L_\nu$ も標準正規分布に分布収束する。
    $c:=\frac b{a+b}$、$d:=\frac a{a+b}$ とおくと $c+d=1$ で、主張の変数は $\sqrt c\,L_a-\sqrt d\,L_b'$($L_b'$ は $L_a$ と独立で $L_b$ と同分布)に等しい。実際 $\sqrt{\frac{ab}{2(a+b)}}=\sqrt c\sqrt{\frac a2}=\sqrt d\sqrt{\frac b2}$ である。
    $a,b\to\infty$ の任意の列から、$c\to c_*\in[0,1]$ となる部分列をとる。その部分列で、Slutsky の補題により $\sqrt c\,L_a$ は $N(0,c_*)$ に、$\sqrt d\,L_b'$ は $N(0,1-c_*)$ に分布収束する。分布収束から特性関数の各点収束が従うので(Dur19 Theorem 3.3.17 の (i)、p. 132)、独立性から $\sqrt c\,L_a-\sqrt d\,L_b'$ の特性関数は
    $$ e^{-c_*\tau^2/2}\,e^{-(1-c_*)\tau^2/2}=e^{-\tau^2/2} $$
    に収束する。特性関数(確率論) の定理「Lévy の連続性定理」により、部分列の上で標準正規分布に分布収束する。どの部分列からも同じ極限をもつ部分列がとれるので、全体が収束する。$\square$
  1. から $\frac12\log X$ は、平均がほぼ $0$、分散がほぼ $\frac12(\frac1a+\frac1b)$ の正規分布に近い。$X$ そのものより対数の方が正規分布に近く、分母と分子の役割も対称になる。

統計での使い方

2 つの母分散の比

分散比

$Y_1,\dots,Y_m\sim N(\mu_1,\sigma_1^2)$、$Y_1',\dots,Y_n'\sim N(\mu_2,\sigma_2^2)$ がすべて独立で、$m,n\ge2$ とする。標本分散を $S_1^2,S_2^2$ とすると
$$ R:=\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1) $$
である。したがって、$\rho:=\sigma_1^2/\sigma_2^2$ の信頼係数 $1-\alpha$ の信頼区間は
$$ \Bigl[\frac{S_1^2/S_2^2}{F_{m-1,n-1}(\alpha/2)},\ \frac{S_1^2}{S_2^2}\,F_{n-1,m-1}(\alpha/2)\Bigr] $$
である。

t分布 の定理「Student の定理」により $(m-1)S_1^2/\sigma_1^2\sim\chi^2_{m-1}$、$(n-1)S_2^2/\sigma_2^2\sim\chi^2_{n-1}$ で、2 つは独立である。自由度で割って比をとると $R$ である。
$q_+:=F_{m-1,n-1}(\alpha/2)$、$q_-:=F_{m-1,n-1}(1-\alpha/2)$ とすると $P(q_-\le R\le q_+)=1-\alpha$ である。$r:=S_1^2/S_2^2$ とすると $R=r/\rho$ なので、この事象は $r/q_+\le\rho\le r/q_-$ と同じである。prop-fd-relations の (1) から $1/q_-=F_{n-1,m-1}(\alpha/2)$ である。$\square$

$\sigma_1=\sigma_2$ の検定では $\rho=1$ として $r$ を $F(m-1,n-1)$ の点と比べる。信頼区間の考え方は 信頼区間 にある。

一元配置の分散分析

$k\ge2$ 個の群があり、群 $i$ に $n_i$ 個の観測 $Y_{i1},\dots,Y_{in_i}$ があるとする。$N:=\sum_in_i>k$ とする。群の平均を $\bar Y_i$、全体の平均を $\bar Y$ とし、
$$ \mathrm{SSB}:=\sum_in_i(\bar Y_i-\bar Y)^2,\qquad\mathrm{SSW}:=\sum_i\sum_j(Y_{ij}-\bar Y_i)^2 $$
をそれぞれ群間平方和、群内平方和という。全平方和 $\sum_{i,j}(Y_{ij}-\bar Y)^2$ は $\mathrm{SSB}+\mathrm{SSW}$ に等しい。

一元配置の F 統計量

$Y_{ij}$ がすべて独立で $Y_{ij}\sim N(\mu_i,\sigma^2)$ とする。$\mu_1=\dots=\mu_k$ なら
$$ \frac{\mathrm{SSB}/(k-1)}{\mathrm{SSW}/(N-k)}\sim F(k-1,N-k) $$
である。

群内と群間を分ける

共通の平均を $\mu$ とする。t分布 の定理「Student の定理」を各群に使うと、$\sum_j(Y_{ij}-\bar Y_i)^2/\sigma^2\sim\chi^2_{n_i-1}$ で、これは $\bar Y_i$ と独立である($n_i=1$ の群では和は $0$ である)。群どうしは独立なので、t分布 の定理「カイ二乗分布の再生性」から $\mathrm{SSW}/\sigma^2\sim\chi^2_{N-k}$ で、これは $(\bar Y_1,\dots,\bar Y_k)$ と独立である。
$Z_i:=\sqrt{n_i}(\bar Y_i-\mu)/\sigma$ とおくと、$Z=(Z_1,\dots,Z_k)$ の成分は独立で $N(0,1)$ に従う。単位ベクトル $e:=(\sqrt{n_i/N})_i$ について $Z\cdot e=\sqrt N(\bar Y-\mu)/\sigma$ である。したがって
$$ \frac{\mathrm{SSB}}{\sigma^2}=\sum_iZ_i^2-\frac{N(\bar Y-\mu)^2}{\sigma^2}=\lvert Z\rvert^2-(Z\cdot e)^2 $$
は $Z$ の $e^\perp$ への直交射影の長さの 2 乗である。$e$ を第 1 列とする直交行列で $Z$ を回転すると、成分はまた独立に $N(0,1)$ に従うので(t分布 の定理「Student の定理」の証明の回転と同じ)、$\mathrm{SSB}/\sigma^2\sim\chi^2_{k-1}$ である。$\mathrm{SSW}$ と $\mathrm{SSB}$ が独立なので、定義から主張を得る。$\square$

$k=2$ のときこの統計量は 2 標本の $t$ 統計量の 2 乗で、prop-fd-relations の (2) と合う。一元配置の群の平均のモデルは 回帰分析 の定理の特別な場合でもある(群の指示変数を列にもつ計画行列)。同じ手順は ER10 §10.4.1(p. 577)に述べられている。
平均が等しくないとき、$\mathrm{SSB}/\sigma^2$ は自由度 $k-1$、非心度 $\lambda=\sum_in_i(\mu_i-\bar\mu)^2/\sigma^2$($\bar\mu=\sum_in_i\mu_i/N$)の非心カイ二乗分布に従う。回転の議論で $Z$ に平均がつくだけである。この場合の統計量の分布を 非心 F 分布 という。$E[\text{非心}\chi^2_a(\lambda)]=a+\lambda$ と独立性から、その平均は $b>2$ で $\frac{b(a+\lambda)}{a(b-2)}$ である。検出力はこの分布の上側確率で計算する(分散分析 の系「一元配置の検出力」)。

例

閉じた形の点

prop-fd-relations の (3) から、$F(2,10)$ の上側 $5\%$ 点は $(1+\frac x5)^{-5}=0.05$ を解いて $x=5(0.05^{-1/5}-1)\approx4.1028$ である。$F(10,2)$ では $P(X\le3)=(\frac{30}{32})^5\approx0.72420$ である。

下側の点と t 分布

$F_{10,5}(0.05)\approx4.7351$ なので、$F_{5,10}(0.95)=1/4.7351\approx0.21119$ である。$t_{10}(0.025)\approx2.22814$ なので、$F_{1,10}(0.05)=2.22814^2\approx4.9646$ である。

自由度 $(5,10)$ の要約

$F(5,10)$ の最頻値は $\frac35\cdot\frac{10}{12}=0.5$、中央値は約 $0.9319$、平均は $1.25$、分散は $\frac{2\cdot100\cdot13}{5\cdot64\cdot6}\approx1.3542$ である。最頻値、中央値、平均の順に大きく、右に長い分布である。$r=3$ の積率はあるが、$r=5$ の積率はない。

分散の比の推定

$m=11$、$n=16$、$S_1^2=9$、$S_2^2=4$ とする。$r=2.25$ である。$F_{10,15}(0.025)\approx3.0602$、$F_{15,10}(0.025)\approx3.5217$ なので、$\rho$ の信頼係数 $95\%$ の信頼区間は
$$ \Bigl[\frac{2.25}{3.0602},\ 2.25\cdot3.5217\Bigr]\approx[0.7352,\ 7.9238] $$
である。区間は $1$ を含むので、$\sigma_1=\sigma_2$ は水準 $5\%$ の両側検定で棄却されない。両側の $p$ 値は $2P(F(10,15)>2.25)\approx0.1515$ である。

3 群の比較

3 群の観測が $\{4,6,5,7\}$、$\{7,9,8\}$、$\{3,5,4,4,4\}$ であるとする。$k=3$、$N=12$ である。群の平均は $5.5,\ 8,\ 4$、全体の平均は $5.5$ である。
$$ \mathrm{SSB}=4\cdot0^2+3\cdot2.5^2+5\cdot1.5^2=30,\qquad\mathrm{SSW}=5+2+2=9 $$
である。統計量は $\frac{30/2}{9/9}=15$ で、$F_{2,9}(0.05)\approx4.2565$ より大きい。$p$ 値は $P(F(2,9)>15)\approx0.00136$ である。

反例:条件を外すと成り立たないこと

外す条件反例成り立たなくなること
def-fd-main の独立性$U=V\sim\chi^2_a$、$a=b$$X\equiv1$ で、F 分布でない
def-fd-main の自由度で割ること$a\ne b$ の $U/V$$U/V=\frac abX$ で、$a=6$、$b=10$ なら平均は $F(6,10)$ の $1.25$ でなく $0.75$ である
cor-fd-mean-var の $b>2$$F(5,2)$平均が $\infty$ である
thm-fd-variance-ratio の正規性Laplace 分布の標本($m=n$)名目 $5\%$ の両側検定の実際の棄却率が約 $21.5\%$ に近づく
thm-fd-anova の等分散性2 群、$n_1=n_2=3$、$\sigma_1=1$、$\sigma_2=0$統計量は $F(1,4)$ でなく $F(1,2)$ に従い、名目 $5\%$ の棄却率は約 $10.9\%$ である
prop-fd-relations の (1) の添字の入れ替え$F_{5,10}(0.95)$ を $1/F_{5,10}(0.05)$ とする$1/3.3258\approx0.3007$ で、正しい値 $0.2112$ と違う
表の反例の確かめ

Laplace 分布:平均 $0$、尖度 $\kappa=E[Y^4]/E[Y^2]^2$ の分布の標本では、$n\to\infty$ で $\mathrm{Var}(S^2)\approx\sigma^4(\kappa-1)/n$ である。正規分布の $\kappa=3$ では $2\sigma^4/n$ で、thm-fd-limits の (3) の分散はこれに基づく。Laplace 分布は $\kappa=6$ なので、$\log(S_1^2/S_2^2)$ の分散は $\frac{\kappa-1}2=2.5$ 倍になる。棄却率の極限は、分散 $2.5$ の正規変数 $W$ について $P(\lvert W\rvert>1.96)\approx0.215$ で、$m=n$ を大きくしても $5\%$ に戻らない。標本の平均の検定と違い、分散比の検定では大標本でも正規性の影響が残る。
等分散でない 2 群:第 2 群は定数なので $\bar Y_2=\mu$ で、$\mathrm{SSW}$ は第 1 群だけから来る。$\bar Y_1-\mu\sim N(0,\frac13)$ から $\mathrm{SSB}=\frac32(\bar Y_1-\mu)^2=\frac12Z^2$($Z\sim N(0,1)$)、$\mathrm{SSW}\sim\chi^2_2$ で独立である。統計量は $\frac{Z^2/2}{\mathrm{SSW}/4}=\frac{Z^2}{\mathrm{SSW}/2}\sim F(1,2)$ である。$F_{1,4}(0.05)\approx7.7086$ で、$P(F(1,2)>7.7086)\approx0.1089$ である。$\sigma_2=0$ は極端な場合だが、$\sigma_2$ が小さい場合はこれに近い。

よくある誤り

誤り正しくはなぜ
$F(a,b)$ と $F(b,a)$ を同じとする逆数の関係で、一般に別の分布prop-fd-relations の (1)
平均を $1$ とする$\frac b{b-2}$ で $1$ より大きく、$a$ によらないcor-fd-mean-var
分散比の検定を、平均の検定のように頑健と考える大標本でも非正規性の影響が残るex-fd-counterexamples
分子と分母に自由度の割り算を忘れる平方和でなく、平方和を自由度で割った平均平方の比をとるdef-fd-main
分散分析で有意なら全部の群が違うとする否定されるのは「すべて等しい」だけthm-fd-anova の帰無仮説。個別の比較は 多重検定

補足

  • 尤度比検定:thm-fd-anova の統計量は、平均がすべて等しいというモデルの尤度比の単調な関数である(回帰分析 の入れ子のモデルの $F$ 統計量と同じ形)。一般論は 尤度比検定 にある。
  • 決定係数:$\mathrm{SSB}/(\mathrm{SSB}+\mathrm{SSW})$ は thm-fd-density の (1) の形で、帰無仮説のもとで $\mathrm{Beta}(\frac{k-1}2,\frac{N-k}2)$ に従う。

関連項目

参考文献

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する