タグ付けされた質問 「f-distribution」

フィッシャー 分布の特性関数は次のとおりです ここでは、コンフルエントな超幾何関数です。n畳み込みの逆フーリエ変換\ mathcal {F} _ {t、x} ^ {-1}を解いて、変数xの密度を復元しようとしています。つまり、 \ mathcal {F} _ {t 、x} ^ {-1} \ left（C（t）^ n \ right）n の合計の分布を取得する目的でC （t ）= Γ （α + 1F（1 、 α）F（1、α）\mathcal{F}(1,\alpha)UC（ t ）= Γ（α + 12） U（12、 1 - α2、 - I T α）Γ（α2）C（t）=Γ（α+12）うん（12、1−α2、−私tα）Γ（α2）C(t)=\frac{\Gamma \left(\frac{\alpha +1}{2}\right) U\left(\frac{1}{2},1-\frac{\alpha }{2},-i t \alpha …

23 probability  random-variable  f-distribution  saddlepoint-approximation 

この質問に照らして：OLSモデルの係数が（nk）自由度のt分布に従うことの証明 理由を理解したい F=(TSS−RSS)/(p−1)RSS/(n−p),F=(TSS−RSS)/(p−1)RSS/(n−p), F = \frac{(\text{TSS}-\text{RSS})/(p-1)}{\text{RSS}/(n-p)}, ここで、pppモデルパラメータの数であり、nnn観測の数及びTSSTSSTSS全分散、RSSRSSRSSの残留分散は、以下のFp−1,n−pFp−1,n−pF_{p-1,n-p}分布。 どこから始めればいいのかわからないので、私はそれを証明しようとさえしなかったことを認めなければなりません。

20 regression  hypothesis-testing  least-squares  f-distribution  f-statistic 

分散分析テストで片側検定を使用する理由を教えてください。 ANOVAで片側検定（F検定）を使用する理由

13 anova  f-test  sums-of-squares  f-distribution 

私のFテーブルの自由度は、私の大きなサンプルに対して十分高くありません。 たとえば、自由度が5および6744のFがある場合、分散分析の5％の臨界値をどのようにして見つけますか？ 自由度の高いカイ2乗検定を行っている場合はどうなりますか？ [このような質問はしばらく前に投稿されましたが、OPはエラーを起こし、実際には小さなdfを持っていたため、それを重複に減らしました-しかし、元の大きなdfの質問は、サイトのどこかに回答があるはずです]

11 chi-squared  degrees-of-freedom  f-distribution  tables 

多重線形回帰における変数のサブセットの古典的なF検定は、 ここで、は、「縮小」モデルの下での二乗誤差の合計であり、「大きな」モデル内にネストし、は、 2つのモデル。'big'モデルの追加の変数には線形の説明力がないという帰無仮説では、統計量はおよびの自由度を持つFとして分布されます。SSE（R）BdfdfR−dfBdfBF= （SSE（R ）− SSE（B ））/（dfR− dfB）SSE（B） / dfB、F=(SSE(R)−SSE(B))/(dfR−dfB)SSE(B)/dfB, F = \frac{(\mbox{SSE}(R) - \mbox{SSE}(B))/(df_R - df_B)}{\mbox{SSE}(B)/df_B}, SSE（R）SSE(R)\mbox{SSE}(R)BBBdfdfdfdfR− dfBdfR−dfBdf_R - df_BdfBdfBdf_B しかし、代替案の下での分布はどうですか？私はそれが非中心Fであると思います（二重非中心ではないことを願っています）が、非中心パラメーターが正確に何であるかについての参照は見つかりません。私はそれが真の回帰係数、おそらくは計画行列に依存すると推測しますが、それを超えると私はよくわかりません。Xββ\betaバツXX

11 regression  hypothesis-testing  power-analysis  non-central  f-distribution