如何在 Python 中找到 F 临界值?
在本文中,我们将学习如何在 Python 中找到 F 临界值。
什么是 F 临界值?
F 统计量是在运行 F 检验后获得的结果。可以通过将 F 统计量与 F 临界值进行比较来确定 F 检验的结果是否具有统计学意义。简单来说,我们将我们的 f 值与 F 临界值作为标准进行比较。这篇文章将介绍一种在 Python 中查找 F 临界值的方法。
语法
要计算 F 临界值,请使用 Python 函数 scipy.stats.f.ppf(),其语法如下。
scipy.stats.f.ppf(q, dfn, dfd)
其中
- Q 表示要使用的显著性水平
- Dfn 表示分子自由度
- Dfd 表示分母自由度
此函数根据输入的显著性水平、分子自由度和分母自由度返回 F 分布中的临界值。
例如,假设我们想要获得显著性水平为 0.05、分子自由度为 6、分母自由度为 8 的 F 临界值。
示例
!pip3 install scipy import scipy.stats #find F critical value scipy.stats.f.ppf(q=1-.05, dfn=6, dfd=8)
输出
3.5805803197614603
显著性水平为 0.05,分子和分母的自由度分别为 6 和 8,得到的 F 临界值为 3.5806。
因此,如果我们正在进行某种 F 检验,我们可以将 F 检验统计量与 3.5806 进行比较。如果 F 统计量大于 3.580,则检验结果被认为具有统计学意义。
请记住,较小的 alpha 值将导致较大的 F 临界值。
例如,考虑在显著性水平为 0.01、分子和分母的自由度均为 6 时的 F 临界值。
示例
!pip3 install scipy import scipy.stats #find F critical value scipy.stats.f.ppf(q=1-.01, dfn=6, dfd=8)
输出
6.370680730239201
结论
统计学是机器学习中一个重要的组成部分。检查原始数据可以帮助你获得有意义的见解。统计学使用 F 临界值来识别数据的见解,以便机器学习模型使用并根据其进行预测。
广告