F分布

是连续概率分布，由罗纳德・费希尔（Ronald A. Fisher）提出，后来由 Snedecor 完善，也叫Fisher–Snedecor 分布。

1918：思想源头 —— 方差分解

Fisher 在论文《The Correlation between Relatives on the Supposition of Mendelian Inheritance》中，首次提出方差分解思想：把总变异拆分为组间变异与组内随机误差变异。 研究背景：洛桑农业试验站，农田品种、肥料试验，用来区分 “处理带来的真实差异” 和随机噪声，这是 ANOVA 和 F 检验的思想根基。

1922–1924：推导方差比抽样分布

Fisher 研究两个独立卡方变量比值的分布。 1924 年国际数学家大会，他发表了方差比（variance ratio） 的分布。

1925：《Statistical Methods for Research Workers》

Fisher 经典著作正式把方差分析 ANOVA、方差比检验体系落地，用于多组均值比较。这套理论主要面向农学试验；但没有方便的临界值表，计算门槛高，很难大范围普及。

1934：Snedecor 命名 F、编制 F 临界表（标志性节点）

美国爱荷华州立大学统计学家 George W. Snedecor，简化 Fisher 的 z 体系，直接使用方差比值作为统计量，把这个分布命名为F，用来纪念 Ronald Fisher。 同时编制了完整F 分布临界值表。

• 命名：Fisher–Snedecor 分布
• 意义：科研人员不需要复杂数学推导，查表就能完成显著性检验，F 检验开始普及到农学、生物、工业实验。

1930–1950：区分两类 F 检验，完善前提研究

随着应用推广，大家发现 F 检验有两大用途，并且对正态假设敏感：

1. 两组方差比较 F 检验：\(F=s_1^2/s_2^2\)，检验两个总体方差是否相等；
2. ANOVA 中的 F 检验：\(F=MS_{between}/MS_{within}\)，检验多组均值差异。

学者研究发现 F 检验强依赖正态，非正态时一类错误失控，进而催生 Bartlett、Levene 等更稳健的方差齐性检验。

后续拓展

1. 拓展到线性回归：回归模型整体显著性 F 检验；
2. 拓展到多元统计、DOE 试验设计；
3. 计算机时代，软件（Minitab、R、SAS）直接计算 P 值，不再依赖纸质 F 表。

构造定义：两个独立卡方变量分别除以各自自由度后的比值：$F = \dfrac{\chi_1^2 / df_1}{\chi_2^2 / df_2}$

• $df_1$：分子自由度（第一自由度，df₁）
• $df_2$：分母自由度（第二自由度，df₂）
• 两个卡方变量必须相互独立

F 分布：双自由度可调

F(d₁, d₂) 是两个独立卡方变量各自除以自己的自由度后的比值。 艳红 = 右尾 α（否定域）， 紫色曲线 = F(d₁, d₂) 密度， 红色虚线 = 临界值 F_α。

d₁（分子自由度） 5 d₂（分母自由度） 20 α: 1% 5% 10%

---

三个值得观察的现象：

1. F 分布是”右偏”的：d₁ 很小时（比如 d₁=1），曲线极度右偏、长尾拖到很远；d₁ 增大后逐渐对称。
2. 自由度都大 → 变成正态：把 d₁、d₂ 都拖到 50 以上，F 分布几乎就是正态 N(1, 小方差)。这与中心极限定理的链条一脉相承：F → t² → 正态。
3. F 是 t 和卡方的”母分布”：d₁=1 时 F(1, d₂) = t(d₂)²；d₂→∞ 时 F(d₁, ∞) = χ²(d₁)/d₁。两个方差检验、方差分析（ANOVA）的背后都是它。
4. 两个自由度各有分工：d₁ 主要决定曲线形状（偏度），d₂ 决定曲线位置/收敛速度（均值 d₂/(d₂−2) 只在 d₂>2 时存在，把 d₂ 拖小试试）。

核心用途

1. 方差齐性检验（两总体方差是否相等）：$F=\frac{S_1^2}{S_2^2}$，大的方差放分子，单侧检验。
2. 单因素 / 多因素方差分析 ANOVA：检验组间均值是否有差异，$F = \frac{MS_{\text{组间}}}{MS_{\text{组内}}}$。
3. 回归方程显著性检验：回归整体显著性 F 检验，判断回归模型是否有效。