Calculateur Distribution F Fisher (ANOVA, p-value)

Calculateur distribution F Fisher-Snedecor : densité, CDF, valeurs critiques ANOVA one-way, p-value, test rapport variances avec degrés liberte d1 d2.

Paramètres de calcul
Ce calculateur vous a-t-il été utile ?

La distribution F Fisher-Snedecor

Introduite independamment par Snedecor (1934) et Fisher. Rapport de deux chi-carres independants normalises : F = (chi^2_{d1}/d1) / (chi^2_{d2}/d2). Deux degrés liberte d1 et d2.

Densité

f(x; d1, d2) = sqrt((d1 x)^d1 d2^d2 / (d1 x + d2)^(d1+d2)) / (x B(d1/2, d2/2)). Positive seulement x > 0. Asymetrique a droite.

Moments

  • Moyenne : d2/(d2-2) pour d2 > 2.
  • Mode : ((d1-2)/d1)(d2/(d2+2)) pour d1 > 2.
  • Variance : formule complexe pour d2 > 4.
  • Reciproque : 1/X ~ F(d2, d1).
  • Limite : F(d1, inf) -> chi^2(d1)/d1.
  • Special : F(1, d) = T(d)^2.

Valeurs critiques

  • F_0.95(5, 20) = 2.711
  • F_0.95(10, 30) = 2.165
  • F_0.99(5, 20) = 4.103
  • F_0.99(10, 30) = 3.02

F-test ANOVA one-way

k groupes, test H_0 : mu_1 = ... = mu_k. F = MSB/MSW avec MSB entre groupes, MSW dans groupes. Sous H_0, F ~ F(k-1, N-k). Rejette si F > F_crit.

Cinq modes

  1. PDF.
  2. CDF.
  3. Valeur critique.
  4. F-test ANOVA.
  5. Test rapport variances.

Test rapport variances

H_0 : sigma_1^2 = sigma_2^2. F = s_max^2/s_min^2 ~ F(n_max-1, n_min-1). Deux queues avec alpha/2. Prerequis pour t-test classique ; Welch si variances differentes.

Relations

  • T(d)^2 ~ F(1, d).
  • F(d1, inf) = chi^2(d1)/d1.
  • Beta : X*d1/(X*d1+d2) ~ Beta(d1/2, d2/2).
  • Cauchy : F(1, 1).
  • F non centrale pour puissance.

Histoire

Fisher (1890-1962) pere statistique moderne, developpa ANOVA a Rothamsted 1920-40. Snedecor popularisa F dans livre 'Statistical Methods' 1934. Standard en ANOVA, regression, tests variances.

Applications

  • ANOVA : comparaison moyennes k groupes.
  • MANOVA : facteurs multiples.
  • Regression : test significativite globale R^2.
  • ANCOVA : facteurs et covariables.
  • Homogeneite : Bartlett, Levene.
  • DOE : plans factoriels.

Les hypotheses du test F et sa robustesse

La validite d'un test F repose sur trois hypotheses : les observations doivent etre independantes, issues de populations a distribution normale et, dans le cas de l'ANOVA, avoir des variances egales entre groupes (homoscedasticite). L'ANOVA a un facteur est raisonnablement robuste a des violations moderees de la normalite, surtout avec des groupes nombreux et equilibres, grace au theoreme central limite. Le test F pour comparer deux variances est en revanche notoirement sensible a la non-normalite : meme de petits ecarts peuvent gonfler le taux de faux positifs.

C'est pourquoi, lorsque la normalite est douteuse, on prefere des alternatives plus robustes : le test de Levene ou de Bartlett pour l'homogeneite des variances, et la version de Welch de l'ANOVA quand les variances different. Verifier les hypotheses avant d'interpreter la valeur p est une etape essentielle : un F significatif obtenu en violant les hypotheses peut etre un artefact plutot qu'un effet reel.

Apres l'ANOVA : taille d'effet et tests post-hoc

Une valeur F significative indique seulement que toutes les moyennes de groupes ne sont pas egales, mais elle ne precise pas quels groupes different ni l'ampleur de la difference. Pour repondre a la premiere question il faut des tests post-hoc, comme la HSD de Tukey ou la correction de Bonferroni, qui comparent les paires de groupes en controlant l'inflation de l'erreur de type I due aux comparaisons multiples.

Pour quantifier l'ampleur de l'effet, au lieu de la seule valeur p on rapporte des mesures comme eta carre (eta^2), la fraction de variance totale expliquee par les groupes, ou omega carre (omega^2), une estimation moins biaisee. Un effet peut etre statistiquement significatif mais negligeable en pratique, surtout avec de grands echantillons : c'est pourquoi les bonnes pratiques statistiques modernes recommandent de toujours rapporter la taille d'effet a cote de la valeur p et de l'intervalle de confiance.

Mis à jour en juillet 2026

Questions fréquentes

Qu'est-ce que la distribution F de Fisher-Snedecor ?

C'est la distribution du rapport de deux variables chi-deux independantes, chacune divisee par ses propres degres de liberte. Elle depend de deux parametres d1 et d2 (degres de liberte du numerateur et du denominateur) et est a la base de l'ANOVA et des tests sur le rapport de variances.

A quoi sert le test F ?

Il sert principalement a comparer des variances et a tester l'egalite de plusieurs moyennes via l'ANOVA. Il compare la variabilite entre groupes a celle intra-groupes : si le rapport F depasse la valeur critique, on conclut qu'au moins une moyenne differe des autres de facon statistiquement significative.

Comment lire les degres de liberte d1 et d2 ?

d1 est le nombre de degres de liberte du numerateur (dans l'ANOVA, nombre de groupes moins un, k-1) et d2 celui du denominateur (total d'observations moins nombre de groupes, N-k). La forme de la distribution depend des deux : quand d2 augmente la distribution se concentre et la queue se raccourcit.

Qu'est-ce que la valeur critique F ?

C'est le seuil au-dela duquel on rejette l'hypothese nulle a un niveau alpha donne. Par exemple F_0,95(5, 20) = 2,711 : si la statistique F observee depasse 2,711 on rejette H_0 a 5%. Le calculateur l'obtient en inversant la fonction de repartition par recherche binaire.

Qu'est-ce que l'ANOVA a un facteur ?

C'est l'analyse de la variance a un facteur, qui teste l'hypothese H_0 : mu_1 = mu_2 = ... = mu_k, c'est-a-dire que toutes les moyennes de k groupes sont egales. Elle compare la variance inter-groupes (MSB) a la variance intra-groupes (MSW) : la statistique F = MSB/MSW suit une distribution F sous H_0.

Quelles hypotheses exige le test F ?

Il exige des observations independantes, des populations normales et, pour l'ANOVA, des variances egales entre groupes. L'ANOVA est assez robuste a de legers ecarts a la normalite avec des groupes equilibres, mais le test F sur le rapport de variances est tres sensible a la non-normalite.

Que faire apres un F significatif ?

Un F significatif indique seulement que toutes les moyennes ne sont pas egales. Pour savoir quels groupes different on utilise des tests post-hoc comme la HSD de Tukey ou Bonferroni, et pour quantifier l'effet on rapporte des mesures comme eta carre ou omega carre a cote de la valeur p.

Quel rapport avec la distribution t ?

La distribution F a 1 degre de liberte au numerateur coincide avec le carre de la distribution t : F(1, d2) = t(d2)^2. Cela relie le test F au test t de Student et montre que comparer deux moyennes est un cas particulier de l'ANOVA.

Commentaires (0)

Pas encore de commentaire. Soyez le premier !