F-Test für zwei Varianzen

Geben Sie zwei Arrays numerischer Beobachtungen ein. Der Rechner liefert die F-Statistik, definiert als Varianz der ersten Stichprobe geteilt durch die Varianz der zweiten, sowie einen zweiseitigen p-Wert. Die Berechnung verwendet unverzerrte Stichprobenvarianzen und die exakte F-Verteilung für die jeweiligen Stichprobengrößen. Sie ist deterministisch, benötigt weder Simulation noch Netzwerkzugriff und setzt mindestens zwei Beobachtungen je Gruppe voraus.

Was der F-Test für zwei Varianzen misst

Der Test beginnt mit der Nullhypothese, dass die Varianzen der beiden Grundgesamtheiten gleich sind. Für jede Gruppe berechnet er eine unverzerrte Stichprobenvarianz mit dem Stichprobenumfang minus eins als Nenner und teilt anschließend die erste Varianz durch die zweite. Dieses Verhältnis ist die F-Statistik. Ein Wert nahe eins kennzeichnet ähnliche beobachtete Streuungen. Ein deutlich größerer Wert bedeutet eine stärkere Streuung der ersten Gruppe, ein deutlich kleinerer Wert eine stärkere Streuung der zweiten. Die Reihenfolge beeinflusst die Statistik: Wenn Sie die Arrays vertauschen, erhalten Sie den Kehrwert und vertauschte Freiheitsgrade. Der zweiseitige p-Wert berücksichtigt dagegen extreme Abweichungen in beiden Richtungen. Er entspricht dem Doppelten der kleineren Randwahrscheinlichkeit unter der F-Verteilung und wird bei eins begrenzt. Ein kleiner p-Wert zeigt, dass ein mindestens so extremes Verhältnis bei tatsächlich gleichen Populationsvarianzen ungewöhnlich wäre. Er gibt weder die Wahrscheinlichkeit gleicher Varianzen noch die praktische Bedeutung des Unterschieds an.

Daten eingeben und Ergebnis interpretieren

Geben Sie jede Stichprobe als Array mit mindestens zwei endlichen Zahlen an. Die Arrays dürfen unterschiedlich lang sein; die Reihenfolge der einzelnen Beobachtungen ändert die Berechnung nicht. Jede Gruppe wird separat mit einem numerisch stabilen Varianzalgorithmus in einem Durchlauf zusammengefasst. Die ausgegebene F-Statistik ist stets die Varianz von group1 geteilt durch die Varianz von group2. Behalten Sie diese Reihenfolge beim Vergleich mehrerer Berichte bei. Der p-Wert ist bereits zweiseitig und darf nicht nochmals verdoppelt werden. Legen Sie vor der Datenprüfung ein angemessenes Signifikanzniveau fest. Ein p-Wert unter diesem Grenzwert spricht unter den Modellannahmen gegen gleiche Populationsvarianzen. Ein höherer Wert bedeutet, dass die Daten keine starken Belege für ungleiche Varianzen liefern, beweist jedoch keine Gleichheit. Dokumentieren Sie Stichprobengrößen, Varianzen, Gruppenreihenfolge, F-Statistik und p-Wert. Wenn die praktische Größenordnung wichtig ist, sollten Sie zusätzlich ein Konfidenzintervall oder einen robusten Streuungsvergleich betrachten.

Annahmen und wichtige Einschränkungen

Der klassische F-Test reagiert empfindlich auf seine Annahmen. Die Beobachtungen sollten innerhalb und zwischen den Gruppen unabhängig sein, die Stichproben sollten die untersuchten Grundgesamtheiten repräsentieren und beide zugrunde liegenden Verteilungen sollten annähernd normal sein. Schiefe, schwere Verteilungsränder oder Ausreißer können Stichprobenvarianzen und Teststatistik erheblich verändern, besonders bei kleinen Stichproben. Prüfen Sie deshalb die Datenverteilung und behandeln Sie den p-Wert nicht als isoliertes Urteil. Bei eindeutig nicht normalverteilten Messwerten eignen sich robustere Verfahren wie der Levene- oder Brown-Forsythe-Test. Der Rechner weist Gruppen mit weniger als zwei Werten, nicht numerische oder nicht endliche Beobachtungen, zu große Arrays sowie Varianzen von null oder nicht endliche Varianzen zurück, weil das gewöhnliche kontinuierliche F-Verhältnis dann nicht sinnvoll definiert ist. Statistische Signifikanz belegt weder Kausalität noch Messqualität oder wirtschaftliche Relevanz. Verwenden Sie das Ergebnis als Diagnose innerhalb einer dokumentierten, fachlich eingeordneten Analyse.