F分布表完整图：显著性水平α=0.95

在统计学中，F分布常用于比较两个或多个样本的方差是否相等，是方差分析（ANOVA）和回归分析的核心工具。F分布表列出了不同自由度组合下，给定显著性水平α的临界值。α=0.95意味着右侧尾部的面积为0.05（即95%的置信水平），通常用于检验两组数据的方差齐性。

什么是F分布表？

F分布表一般包含分子自由度（df1）和分母自由度（df2），以及常见的α值（如0.10、0.05、0.025、0.01等）。对于α=0.95，我们需要查的是右侧累积概率为0.05的临界值，即F(0.05, df1, df2)。例如，在方差齐性检验（F检验）中，若计算出的F统计量大于该临界值，则拒绝原假设，认为方差不等。

如何阅读F分布表（α=0.95）？

完整的F分布表通常是一个矩阵：

• 行表示分子自由度（df1），通常设为1到30，以及更大的整数值。
• 列表示分母自由度（df2），同样从1到无穷（但表格常见到30、40、60、120等）。
• 每个单元格内是满足P(F > 临界值) = 0.05的数值，即该自由度组合下的F临界值。

例如，df1=2, df2=15时，查表得F(0.05,2,15)=3.68。意味着从F分布中随机抽样，统计量大于3.68的概率仅为5%。

实际应用案例

假设我们有两个样本，样本1方差s₁²=10.2，样本2方差s₂²=5.6，样本量分别为n1=13（df1=12），n2=16（df2=15）。F统计量 = s₁² / s₂² = 10.2/5.6 ≈ 1.82。查F分布表α=0.95，df1=12, df2=15，临界值约为2.96。因为1.82 < 2.96，所以不拒绝原假设，认为方差齐性成立。

完整图示例（部分数据）

以下为α=0.95时，常见自由度对应的临界值（部分摘录）：

df1\df2	1	2	3	5	10	20
1	161.4	18.51	10.13	6.61	4.96	4.35
2	199.5	19.00	9.55	5.79	4.10	3.49
3	215.7	19.16	9.28	5.41	3.71	3.10
5	230.2	19.30	9.01	5.05	3.33	2.71
10	241.9	19.40	8.79	4.74	2.98	2.35
20	248.0	19.45	8.66	4.56	2.77	2.12

完整表格可查阅专业统计教材或在线资源（如R语言中的qf()函数）。注意：不同来源的表格可能存在微小差异，因为F分布表的精度取决于计算时的数值方法。

注意事项

1. F分布表通常只给出右侧临界值，左侧临界值可以通过互换自由度并取倒数得到（即F(0.95, df1, df2) = 1 / F(0.05, df2, df1)）。
2. 当分子或分母自由度较大时（如超过100），F分布近似于正态分布或卡方分布，但一般建议直接使用统计软件计算。
3. 在双尾检验中，α=0.95对应的双侧显著性水平为0.10（即两侧各0.05），但F检验通常为单侧（右侧），因为方差齐性检验只关心是否大于1。

总结

掌握F分布表（尤其是α=0.95）的查表技巧是进行方差分析和回归诊断的基础。通过本文的完整图示和案例，希望读者能熟练运用F分布表解决实际统计问题。