F-распределение

F-распределение (распределение Фишера — Снедекора) — это непрерывное распределение вероятностей, которое возникает в статистике при анализе отношения двух независимых оценок дисперсий. Оно является основным инструментом дисперсионного анализа (ANOVA), регрессионного анализа и проверки гипотез о равенстве дисперсий двух нормальных совокупностей. Названо в честь английского статистика Рональда Фишера и американского математика Джорджа Снедекора.

Определение и параметры

F-распределение определяется двумя параметрами — степенями свободы числителя \(d_1\) и знаменателя \(d_2\). Если случайная величина \(X\) имеет F-распределение с параметрами \(d_1\) и \(d_2\), то её плотность вероятности задаётся формулой:

\[ f(x; d_1, d_2) = \frac{\sqrt{\frac{(d_1 x)^{d_1} d_2^{d_2}}{(d_1 x + d_2)^{d_1 + d_2}}}}{x \, B\left(\frac{d_1}{2}, \frac{d_2}{2}\right)}, \quad x > 0, \]

где \(B\) — бета-функция. Распределение определено только для положительных значений \(x\), так как дисперсии не могут быть отрицательными.

Свойства

Математическое ожидание и дисперсия

Математическое ожидание F-распределения существует только при \(d_2 > 2\) и равно:

\[ E[X] = \frac{d_2}{d_2 - 2}. \]

Дисперсия существует при \(d_2 > 4\) и вычисляется как:

\[ Var[X] = \frac{2 d_2^2 (d_1 + d_2 - 2)}{d_1 (d_2 - 2)^2 (d_2 - 4)}. \]

Форма распределения

• При малых значениях \(d_1\) и \(d_2\) распределение сильно асимметрично вправо.
• С увеличением степеней свободы (особенно \(d_2\)) распределение приближается к нормальному, но остаётся положительно скошенным.
• Мода распределения равна \(\frac{d_2 (d_1 - 2)}{d_1 (d_2 + 2)}\) для \(d_1 > 2\).

Связь с другими распределениями

• Если \(X \sim F(d_1, d_2)\), то \(1/X \sim F(d_2, d_1)\).
• Квадрат t-статистики с \(k\) степенями свободы имеет F-распределение с \(d_1 = 1\) и \(d_2 = k\): \(t^2(k) \sim F(1, k)\).
• F-распределение связано с \(\chi^2\)-распределением: если \(U \sim \chi^2(d_1)\) и \(V \sim \chi^2(d_2)\) независимы, то \(\frac{U/d_1}{V/d_2} \sim F(d_1, d_2)\).

История

Распределение было впервые описано Рональдом Фишером в 1920-х годах в контексте дисперсионного анализа. Фишер вывел его как отношение двух независимых оценок дисперсии, полученных из нормальных выборок. В 1934 году Джордж Снедекор систематизировал результаты Фишера и предложил обозначение «F» в честь Фишера. Он же составил первые таблицы критических значений для практического использования.

Применение

Дисперсионный анализ (ANOVA)

Основное применение F-распределения — проверка гипотез о равенстве средних нескольких групп. В однофакторном дисперсионном анализе вычисляется F-статистика:

\[ F = \frac{MS_{between}}{MS_{within}}, \]

где \(MS_{between}\) — межгрупповая дисперсия, а \(MS_{within}\) — внутригрупповая. Если нулевая гипотеза (все средние равны) верна, эта статистика подчиняется F-распределению с \(d_1 = k - 1\) и \(d_2 = N - k\) (где \(k\) — число групп, \(N\) — общий объём выборки).

Регрессионный анализ

В множественной линейной регрессии F-тест проверяет общую значимость модели: гипотезу о том, что все коэффициенты регрессии (кроме свободного члена) равны нулю. Статистика имеет вид:

\[ F = \frac{SS_{reg}/p}{SS_{res}/(n-p-1)}, \]

где \(SS_{reg}\) — регрессионная сумма квадратов, \(SS_{res}\) — остаточная, \(p\) — число предикторов, \(n\) — объём выборки. Эта статистика следует F-распределению с \(d_1 = p\) и \(d_2 = n - p - 1\).

Проверка равенства дисперсий

F-тест используется для сравнения дисперсий двух нормальных совокупностей. Статистика:

\[ F = \frac{s_1^2}{s_2^2}, \]

где \(s_1^2\) и \(s_2^2\) — выборочные дисперсии. При справедливости нулевой гипотезы (\(\sigma_1^2 = \sigma_2^2\)) эта величина имеет F-распределение с \(d_1 = n_1 - 1\) и \(d_2 = n_2 - 1\). Однако этот тест чувствителен к отклонениям от нормальности, поэтому на практике чаще применяют более робастные критерии (например, Левена или Бартлетта).

Другие области

• Анализ временных рядов: F-тесты используются для проверки значимости автокорреляций или сезонных компонент.
• Биостатистика: в генетике для анализа ассоциаций между генотипами и фенотипами.
• Эконометрика: для проверки ограничений на коэффициенты в регрессионных моделях (тест Вальда, тест Чоу).

Критические значения и таблицы

До широкого распространения вычислительной техники статистики использовали таблицы критических значений F-распределения для различных уровней значимости (обычно 0,05 и 0,01) и комбинаций степеней свободы. Таблицы Фишера — Снедекора содержат значения \(F_{crit}\), такие что \(P(F > F_{crit}) = \alpha\). В настоящее время эти значения вычисляются автоматически статистическими пакетами (R, SPSS, Python, Excel) с помощью встроенных функций (например, F.INV.RT в Excel или qf в R).

Ограничения и критика

• Чувствительность к нормальности: F-тест в ANOVA и регрессии основан на предположении о нормальном распределении ошибок. При сильных отклонениях от нормальности уровень значимости может искажаться.
• Неравенство дисперсий: В ANOVA предполагается гомоскедастичность (равенство дисперсий групп). При нарушении этого условия (гетероскедастичности) F-тест становится ненадёжным, особенно при неравных объёмах выборок. В таких случаях применяют поправки (например, Уэлча) или непараметрические критерии.
• Множественные сравнения: F-тест в ANOVA проверяет общую гипотезу о равенстве всех средних, но не указывает, какие именно группы различаются. Для попарных сравнений требуются апостериорные тесты (например, Тьюки или Бонферрони).

Интересные факты

• В честь Рональда Фишера назван также критерий Фишера (точный тест Фишера) для анализа таблиц сопряжённости, который использует гипергеометрическое распределение, а не F-распределение.
• F-распределение является частным случаем бета-распределения второго рода (бета-распределение типа II).
• В советской статистической литературе распределение часто называли «распределением Фишера — Снедекора» или просто «F-распределением».

Источники

• Кендалл М., Стюарт А. Теория распределений. — М.: Наука, 1966.
• Снедекор Дж. У. Статистические методы в применении к исследованиям в сельском хозяйстве и биологии. — М.: Сельхозгиз, 1961.
• Фишер Р. А. Статистические методы для исследователей. — М.: Госстатиздат, 1958.
• Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.