Primijenjena statistika
  • Priručnik primijenjene statistike u R-u
  • Predgovor
  • 1. Uvod u R
    • 1.1. R objekti
    • 1.2. Manipulacije i agregacije podataka
    • 1.3. Import i eksport podataka
    • 1.4. Korisničke funkcije
  • 2. Tipovi i nivoi mjerenja statističkih obilježja
  • 3. Deskriptivna statistika i grafičko predstavljanje podataka
    • 3.1. Mjere centralne tendencije
    • 3.2. Mjere varijabiliteta
    • 3.3. Mjere oblika rasporeda
    • 3.4. Grafičko predstavljanje podataka
  • 4. Distribucije vjerovatnoća slučajne promjenljive
    • 4.1. Binomni raspored
    • 4.2. Normalni raspored
    • 4.3. Studentov t raspored
    • 4.4. Fišerov F raspored i hi-kvadrat raspored
  • 5. Uzorak i uzoračke ocjene
  • 6. Statističko testiranje hipoteza
    • 6.1. t-test na osnovu jednog uzorka
    • 6.2. t-test na osnovu dva uzorka
    • 6.3. Test proporcija
    • 6.4. Analiza varijanse – ANOVA (klasična ANOVA i Welch ANOVA)
    • 6.5. Wilcoxonov test ranga na osnovu jednog uzorka
    • 6.6. Wilcoxonov test na osnovu dva uzorka
    • 6.7. Kruskal-Wallisov test
    • 6.8. Testovi normalnosti
      • 6.8.1. Jarque-Bera test normalnosti
      • 6.8.2. Pearsonov hi-kvadrat test normalnosti
    • 6.9. Testovi homogenosti varijanse
      • 6.9.1. F test jednakosti varijansi
      • 6.9.2. Bartlettov test homogenosti varijansi
      • 6.9.3. Fligner-Killeenov test homogenosti varijansi
  • 7. Linearna regresija
    • 7.1. Ocjena modela linearne regresije
    • 7.2. Dijagnostika ocijenjenog modela linearne regresije
  • 8. Binomna logistička regresija
  • 9. Literatura
  • Biografija
Powered by GitBook
On this page

Was this helpful?

  1. 6. Statističko testiranje hipoteza
  2. 6.9. Testovi homogenosti varijanse

6.9.1. F test jednakosti varijansi

Previous6.9. Testovi homogenosti varijanseNext6.9.2. Bartlettov test homogenosti varijansi

Last updated 4 years ago

Was this helpful?

F test odnosi se na testiranje jednakosti varijansi iz dva uzorka. Test statistika predstavlja količnik varijansi iz dva uzorka:

F=s12s22F = \frac{s_1^2}{s_2^2}F=s22​s12​​

Navedena test statistika prati FFF distirbuciju sa n1−1n_1-1n1​−1 i n2−1n_2-1n2​−1 stepeni slobode, gdje n1n_1n1​ i n2n_2n2​ predstavljaju veličine prvog odnosno drugog uzorka. Pretpostavka primjene FFF testa je da vrijednosti obilježja dolaze iz normalnog rasporeda i da su uzorci nezavisni.

Primjer 55: Za podatke o realizovanom LGD-iju (kolona LGDR, fajl LGD.csv), pod pretpostavkom normalnosti i koristeći F test, testirati jednakost varijansi iz segmenta 1 i segmenta 2. Koristiti nivo značajnosti od 5%.

> #import podataka
> lgd <- read.csv("LGD.csv", header = TRUE)
> #nivo znacajnosti
> alpha <- 0.05
> #selekcija uzoraka
> x1 <- lgd$LGDR[lgd$segment.e%in%"segment1"]
> n1 <- length(x1)
> n1
[1] 41
> x2 <- lgd$LGDR[lgd$segment.e%in%"segment2"]
> n2 <- length(x2)
> n2
[1] 233
> #test statistika
> f.stat <- var(x1) / var(x2)
> f.stat
[1] 0.8429939
> #p vrijednost
> p.val <- pf(f.stat, n1 - 1, n2 - 1) * 2
> p.val
[1] 0.5270923
> p.val < alpha
[1] FALSE
> #r funkcija
> vt.r <- var.test(x = x1, y = x2)
> vt.r

        F test to compare two variances

data:  x1 and x2
F = 0.84299, num df = 40, denom df = 232, p-value = 0.5271
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
 0.5433941 1.4191252
sample estimates:
ratio of variances 
         0.8429939 

> vt.r$p.val
[1] 0.5270923

S obzirom na to da se F test odnosi samo na test dva uzorka, u slučaju više od dva uzorka može se primijeniti logika višestrukih testova (t-testa, Wilcoxonovog testa) sa nekom metodom korekcije p vrijednosti. Pored višestrukog F testa, postoje i testovi za ispitivanje homogenosti varijansi za više od dva uzorka. Neki od tih testova biće predstavljeni u narednim dvjema sekcijama.