Introduction to Analysis of Variance

Dibuat Untuk Memenuhi Tugas Mata Kuliah Kolokium.

DOSEN PEMBIMBING :
Dr. H. Karim, M.Si.
Rahmita Noorbaiti, M.Pd

Kamaliyah, M.Pd.

DISUSUN OLEH :
Ajeng Fitri Aningtyas (1710118320001)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS LAMBUNG MANGKURAT

BANJARMASIN

2020
 Pengantar Analisis Varians

7.1 Varians sampel dan sarana mereka

Kita akan melakukan pendekatan analisis varians melalui eksperimen pengambilan
sampel yang sudah dikenal dari panjang sayap lalat (Eksperimen 5.1 dan Tabel 5.1), di mana
kami menggabungkan tujuh sampel 5 panjang sayap untuk membentuk sampel 35. Kami punya
mereproduksi satu sampel seperti pada Tabel 7.1. Tujuh sampel dari 5, di sini disebut grup,
dicantumkan secara vertikal di bagian atas tabel. Sebelum kita melanjutkan untuk menjelaskan
Tabel 7.1 lebih lanjut, kita harus terbiasa dengan tambahan terminologi dan simbolisme untuk
menangani masalah semacam ini. Kami menyebut kelompok sampel kami; mereka kadang-
kadang disebut kelas atau dikenal dengan istilah lain yang akan kita pelajari nanti. Dalam
analisis varians apa pun yang akan kita miliki dua atau lebih sampel atau kelompok seperti itu,
dan kami akan menggunakan simbol a untuk jumlah kelompok. Jadi, dalam contoh ini Sebuah
a= 7. Setiap kelompok atau sampel didasarkan pada n item, seperti sebelumnya; dalam Tabel
7.1, n = 5. Jumlah item dalam tabel adalah a kali n, yang dalam hal ini sama 7x5 atau 35.Jumlah
item dalam kelompok masing-masing ditampilkan di baris di bawah garis pemisah horizontal.
Dalam anova, tanda penjumlahan tidak bisa lagi menjadi sesederhana sebelumnya. Kami dapat
merampingkan item dari satu kelompok saja atau item dari seluruh tabel. Oleh karena itu, kami
harus menggunakan superskrip dengan ekstensi simbol penjumlahan. Sejalan dengan kebijakan
kami dalam menggunakan notasi yang sesederhana mungkin, jika hal ini cenderung tidak
menyebabkan kesalah pahaman, kami akan menggunakan ∑𝑛 𝑌 untuk menunjukkan jumlah
item grup dan ∑𝑎𝑛 𝑌 untuk menunjukkan jumlah semua item di tabel. Jumlah item dari setiap
kelompok ditampilkan di bagian pertama baris di bawah garis horizontal. Rata-rata setiap
kelompok, yang disimbolkan 𝑌̅, di baris berikutnya dan dihitung hanya sebagai∑𝑛 𝑌⁄𝑛 . Dua
baris tersisa bagian dari daftar Tabel 7.1 itu ∑𝑛 𝑌 2 dan ∑𝑛 𝑦 2 , terpisah untuk setiap kelompok.
Ini adalah besaran yang sudah dikenal, kesederhanaan dari kuadrat 𝑌 ′ 𝑠 dan jumlah kuadrat dari
Y.
Dari penjumlahan kuadrat untuk masing-masing kelompok kita dapat memperoleh
perkiraan nilai varians populasi panjang sayap lalat rumah. Jadi, pada kelompok pertama
∑𝑛 𝑦 2 = 29,2 Oleh karena itu, perkiraan kami untuk varians populasi adalah

𝑛 29,2
𝑠2 = ∑ 𝑦2 = = 7,3
(𝑛−1) 4
perkiraan yang agak rendah dibandingkan dengan yang diperoleh dalam sampel lain. Sejak
kami memiliki jumlah kuadrat untuk setiap grup, kami dapat memperoleh perkiraan varians
populasi dari masing-masing ini. Namun, itu masuk akal bahwa kami akan mendapatkan
perkiraan yang lebih baik jika kita membuat rata-rata perkiraan varians terpisah ini di beberapa
cara. Ini dilakukan dengan menghitung rata-rata tertimbang dari varians dengan Ekspresi (3.2)
di Bagian 3.1. Sebenarnya, dalam contoh ini rata-rata sederhana akan cukup, karena semua
perkiraan varians didasarkan pada sampel dengan ukuran yang sama. Namun, kami lebih suka
memberikan rumus umum, yang bekerja sama baiknya kasus ini serta untuk contoh ukuran
sampel yang tidak sama, di mana pembobotan rata-rata diperlukan. Dalam hal ini setiap varian
sampel 𝑠 2 𝑖 diberi bobot olehnya derajat kebebasan, 𝑊𝑖 = 𝑛𝑖 − 1, menghasilkan jumlah kuadrat
(∑ 𝑦𝑖 2 ), karena (𝑛𝑖 − 1)𝑠𝑖 2 = ∑ 𝑦𝑖 2 Jadi, pembilang Ekspresi (3.2) adalah jumlah dari
penjumlahan kotak. Penyebutnya adalah ∑𝑛 (𝑛𝑖 − 1) = 7 × 4, jumlah derajat kebebasan
masing-masing kelompok. Oleh karena itu, varians rata-rata adalah

Kuantitas ini adalah perkiraan 15,21. varian parametrik lalat panjang sayap. Estimasi ini,
berdasarkan 7 estimasi varians independen dari kelompok, dihitung rata-rata varian dalam
kelompok atau hanya varians di dalamnya kelompok. Perhatikan bahwa kami menggunakan
ekspresi dalam grup, meskipun sebelumnya Bab kami menggunakan istilah varians kelompok.
Alasan kami melakukan ini adalah karena perkiraan varians yang digunakan untuk menghitung
varians rata-rata sejauh ini juga datang dari jumlah kotak yang mengukur variasi dalam satu
kolom. Seperti yang akan kita lakukan lihat berikut ini, seseorang juga dapat menghitung
varians antar kelompok, pemotongan melintasi batas kelompok. Untuk mendapatkan estimasi
kedua dari varians populasi, kami memperlakukan tujuh kelompok berarti 𝑌̅ seolah-olah itu
adalah sampel dari tujuh pengamatan. Hasilnya busur statistik ditunjukkan di bagian kanan
bawah Tabel 7.1, dengan judul "Perhitungan dari jumlah kuadrat sarana. "Kemudian: tujuh cara
dalam contoh ini; dalam kasus umum akan ada cara. Pertama-tama kita menghitung ∑𝑛 𝑌̅
jumlah sarana. Perhatikan bahwa ini adalah simbolisme yang agak ceroboh. Agar sepenuhnya
tepat, kita harus Identifikasi kuantitas ini sebagai ∑𝑖=𝑎 ̅
𝑖=1 𝑌𝑖 menjumlahkan sarana kelompok 1

sampai kelompok a. Kuantitas berikutnya yang dihitung adalah 𝑌̅ , arti utama dari kelompok
̅
tersebut, dihitung sebagai 𝑌̿ = ∑𝑛 𝑌⁄𝑎 . Jumlah dari tujuh mean adalah ∑𝑛 𝑌̅ = 317,4 , dan
maksud besarnya adalah 𝑌̿= 45,34, pendekatan yang cukup dekat dengan mean parametrik 𝜇 =
45,5. Jumlah kuadrat mewakili deviasi rata-rata grup dari rata-rata utama ∑𝑎 (𝑌−𝑌̿)2 Untuk ini
kita pertama-tama membutuhkan kuantitas ∑𝑎 𝑌̅ 2 , yang sama dengan 14,417.24. Formula
komputasi umum untuk jumlah kuadrat diterapkan untuk sarana ini adalah ∑𝑎 𝑌̅ 2 −
[(∑𝑎 𝑌̅)2 2⁄𝑎 ]= 25,417. Dari jumlah kuadrat Berarti kita mendapatkan cara yang konvensional
seperti berikut: ∑𝑎 (𝑌−𝑌̿)2 /(𝑎 − 1). Kita bagi dengan a- 1 daripada n - 1 karena jumlah kuadrat
2
didasarkan pada a item (me; lns). Jadi, varians dari sarana 𝑆 𝑌 = 25,417/16 = 4,2362. Kita belajar

di Bab 6, Ekspresi (6.1), bahwa ketika kita mengambil sampel secara acak dari satu populasi,

Jadi, kita dapat memperkirakan varians item dengan mengalikan varians sarana berdasarkan
ukuran sampel yang menjadi dasar sarana (dengan asumsi kita telah mengambil sampel secara
acak dari populasi umum). Ketika kita melakukan ini untuk contoh kita sekarang, kita
memperoleh s2 = 5 × 4.2362 = 21.181. Ini adalah perkiraan kedua dari varians parametrik 15.21.
Ini tidak sedekat mungkin dengan nilai sebenarnya seperti sebelumnya memperkirakan
berdasarkan varian rata-rata dalam kelompok, tetapi ini diharapkan, karena ini hanya
didasarkan pada 7 "pengamatan". Kami membutuhkan nama yang menjelaskan varians ini
untuk membedakannya dari varians sarana dari mana asalnya dihitung, serta dari varians dalam
kelompok yang akan menjadi bandingan. Kami akan menyebutnya varians antar kelompok; ini
adalah n kali varians sarana dan merupakan perkiraan independen dari varians parametrik 𝜎 2
dari panjang sayap lalat. Mungkin tidak jelas pada tahap ini mengapa kedua perkiraan tersebut
dari 𝜎 2 yang telah kami peroleh, varian dalam kelompok dan varians di antara kelompok,
independen. Kami meminta Anda untuk percaya bahwa mereka memang benar. Mari kita ulas
apa yang telah kita lakukan selama ini dengan mengungkapkannya secara lebih formal cara.
Tabel 7.2 menunjukkan tabel umum untuk data seperti sampel panjang sayap lalat. Setiap
panjang sayap diwakili oleh Y, disubskripsikan untuk menunjukkan posisi kuantitas dalam
tabel data. Panjang sayap dari lalat ke j dari sampel atau grup ke i diberikan oleh 𝑌𝑖𝑗 . Sehingga,
anda akan melihat bahwa subskrip pertama berubah dengan setiap kolom yang mewakili grup
di

tabel dan subskrip kedua berubah dengan setiap baris mewakili satu individu barang. Dengan
menggunakan notasi ini, kita dapat menghitung varians dari sampel 1 sebagai

𝑗=𝑛
1
∑(𝑌1𝑗 −𝑌̅2 )2
𝑛−1
𝑗=1

Varians dalam kelompok, yang merupakan varians rata-rata sampel, dihitung sebagai

𝑖=𝑎 𝑗=𝑛
1
∑ ∑(𝑌𝑖𝑗 −𝑌̅𝑖 )2
𝑎(𝑛 − 1)
𝑖=1 𝑗=1

Perhatikan penjumlahan ganda. Artinya kita mulai dengan grup pertama, pengaturan i = 1 (i
adalah indeks dari ∑ terluar). Kami menjumlahkan semua penyimpangan kuadrat item dari rata-
rata kelompok pertama, mengubah indeks j dari ∑ bagian dalam dari 1 ke n dalam proses. Kami
kemudian kembali ke penjumlahan luar, mengatur i = 2, dan menjumlahkan penyimpangan
kuadrat untuk kelompok 2 dari j = 1 ke j = n. Proses ini dilanjutkan sampai i, indeks dari ∑ luar,
disetel ke a. Dengan kata lain, kami menjumlahkan semua file kuadratkan penyimpangan dalam
satu kelompok terlebih dahulu dan tambahkan jumlah ini ke jumlah yang sama dari semua
kelompok lainnya. Varians di antara kelompok dihitung sebagai

𝑖=𝑎
𝑛
∑(𝑌̅𝑖 − 𝑌̿)2
𝑎−1
𝑖=1

Sekarang kita memiliki dua perkiraan independen dari varians populasi, apa yang harus kita
lakukan dengan mereka '? Kami mungkin ingin mengetahui apakah mereka benar-benar
melakukannya perkirakan parameter yang sama. Untuk menguji hipotesis tersebut, diperlukan
uji statistik yang akan mengevaluasi probabilitas bahwa dua varians sampel berasal dari yang
sama populasi. Pengujian semacam itu menggunakan distribusi F, yang selanjutnya diambil.

7.2 Distribusi F

Mari kita buat eksperimen pengambilan sampel lainnya. Ini cukup melelahkan tanpa
penggunaan komputer, jadi kami tidak akan meminta Anda untuk melakukannya. Asumsikan
bahwa Anda mengambil sampel secara acak dari populasi yang terdistribusi normal, seperti
lalat sayap panjang dengan mean 𝜇 dan varians 𝜎 2 . Prosedur pengambilan sampel terdiri dari
sampel pertama 𝑛1 item dan menghitung varians mereka 𝑠1 2 , diikuti dengan pengambilan
sampel 𝑛2 item dan menghitung variansnya 𝑠2 2 . Ukuran sampel 𝑛1 dan 𝑛2 mungkin atau
mungkin tidak cocok satu sama lain, tetapi ditetapkan untuk satu eksperimen pengambilan
sampel. Jadi, sebagai contoh, kita mungkin selalu mengambil sampel panjang sayap 8 untuk
sampel pertama 𝑛1 dan 6 panjang sayap untuk sampel kedua 𝑛2 .Setelah setiap pasangan nilai
(𝑠1 2 𝑑𝑎𝑛 𝑠2 2 ) telah diperoleh, kami menghitung

Ini akan menjadi rasio yang mendekati1, karena varians ini diperkirakan sama kuantitas. Nilai
aktualnya akan bergantung pada besaran relative varians (𝑠1 2 𝑑𝑎𝑛 𝑠2 2 )

𝐹𝑠 variannya, rata-rata rasio ini sebenarnya akan mendekati kuantitas (𝑛2 − 1)⁄(𝑛2 − 3), yang
mendekati 1.0 jika 𝑛2 besar. Distribusi statistik ini disebut distribusi F, untuk menghormati R.
A. Fisher. Ini adalah distribusi lain yang dijelaskan oleh fungsi matematika rumit yang tidak
perlu menjadi perhatian kita di sini. Berbeda dengan distribusi t dan X2, bentuk distribusi F
ditentukan oleh dua nilai derajat kebebasan, 𝑣1 dan 𝑣2 (sesuai dengan derajat kebebasan varians
di pembilang dan varians dalam penyebut). Jadi, untuk setiap kemungkinan kombinasi nilai 𝑣1 ,
𝑣2 , masing-masing v mulai dari 1 hingga tak terbatas, di sana ada distribusi F terpisah. Ingatlah
bahwa distribusi F adalah teoritis distribusi probabilitas, seperti distribusi t dan distribusi X2.
Perbedaan rasio 𝑠1 2 ⁄𝑠2 2 ,berdasarkan varians sampel adalah statistik sampel yang mungkin
atau mungkin tidak mengikuti distribusi F. Oleh karena itu, kami membedakan rasio varians
sampel dengan menyebutnya Fs, sesuai dengan ketentuan simbol terpisah kami untuk statistik
sampel yang berbeda dari distribusi probabilitas (seperti ts dan X2 dibandingkan dengan t dan
X2). Kami telah membahas cara menghasilkan distribusi F dengan mengambil berulang kali
dua sampel dari distribusi normal yang sama. Kami juga bisa menghasilkan itu dengan
mengambil sampel dari dua distribusi normal terpisah yang berbeda rata-ratanya tetapi identik
2 2
dalam varian parametriknya; yaitu, dengan 𝜇1 ≠ 𝜇2 tetapi 𝜎 1 = 𝜎 2 .Jadi, kami mendapatkan
distribusi F apakah sampel berasal dari yang sama populasi normal atau dari populasi yang
berbeda, selama variansnya identik. Gambar 7.1 menunjukkan beberapa distribusi F. Untuk
derajat yang sangat rendah kebebasan distribusinya berbentuk I, tetapi menjadi punuk dan kuat
miring ke kanan saat kedua derajat kebebasan meningkat. Tabel V di Lampiran

A2 menunjukkan distribusi probabilitas kumulatif F untuk tiga nilai probabilitas yang dipilih.
Nilai dalam tabel mewakili 𝐹𝑎[𝑣1,𝑣2] dimana 𝛼 Adalah proporsinya dari distribusi F di sebelah
kanan nilai F yang diberikan (dalam satu sisi) dan 𝑣1 , 𝑣2 adalah derajat kebebasan yang
berkaitan dengan varians dalam pembilang dan masing-masing penyebut rasio. Meja diatur
sedemikian rupa sehingga melintang bagian atas membaca 𝑣1 derajat kebebasan yang berkaitan
dengan atas (pembilang) varians, dan di sepanjang margin kiri terbaca 𝑣2 , derajat kebebasan
yang berkaitan dengan varian (penyebut) yang lebih rendah. Di setiap persimpangan derajat
nilai kebebasan kami daftar tiga nilai F menurun sebesar 𝛼. Untuk Misalnya, distribusi F dengan
𝑣1 = 6, 𝑣2 = 24 adalah 2,51 pada 𝛼 = 0,05. Dengan itu maksud kami adalah 0,05 dari area di
bawah kurva terletak di sebelah kanan F = 2,51. Gambar 7.2 mengilustrasikan hal ini. Hanya
0,01 dari area di bawah kurva yang terletak di sebelah kanan dari F = 3,67. Jadi, jika kita
2 2 2 2
memiliki hipotesis nol 𝐻0 = 𝜎 1 = 𝜎 2 ,dengan alternatifnya Hipotesis 𝐻0 = 𝜎 1 > 𝜎 2 . kami
menggunakan uji F satu sisi, seperti yang diilustrasikan pada Gambar 7.2. Kami sekarang dapat
menguji dua varian yang diperoleh dalam eksperimen pengambilan sampel dari Bagian 7.1 dan
Tabel 7.1. Varians antar kelompok berdasarkan 7 mean adalah 21.180, dan varians dalam 7
kelompok dari 5 individu adalah 16.029. Nol kami hipotesisnya adalah bahwa dua varians
memperkirakan varians parametrik yang sama; itu Hipotesis alternatif dalam anova selalu
bahwa varians parametrik yang diperkirakan oleh varians antar kelompok lebih besar dari yang
diperkirakan oleh varians dalam kelompok. Alasan untuk hipotesis alternatif restriktif ini. yang
mengarah ke uji onc-tailed akan dijelaskan di Bagian 7.4. Kami menghitung rasio varians 𝐹𝑠 =
𝑠1 2 ⁄𝑠2 2 = 21.181 / 16.029 = 1.32. Sebelum kita dapat memeriksa

F tabel, kita harus mengetahui derajat kebebasan yang sesuai untuk varians ini perbandingan.
Kita akan mempelajari rumus sederhana untuk derajat kebebasan di anova nanti, tetapi pada
saat ini mari kita memikirkannya sendiri. Varians atas (di antara kelompok) didasarkan pada
varians 7 cara; karena itu seharusnya demikian a - I = 6 derajat kebebasan. Varians yang lebih
rendah didasarkan pada rata-rata 7 varian, masing-masing berdasarkan 5 individu menghasilkan
4 derajat kebebasan per varians: a (n - 1) = 7 x 4 = 28 derajat kebebasan. Jadi, varian atas
memiliki 6, varian yang lebih rendah 28 derajat kebebasan. Jika kita memeriksa Tabel V untuk
𝑣1 = 6, 𝑣2 = 24, argumen terdekat dalam tabel, kami menemukan 𝐹0,05[6,24] = 2.51 untuk F =
1,32, sesuai dengan nilai Fs yang sebenarnya diperoleh, 𝛼 jelas> 0,05. Dengan demikian, kami
dapat mengharapkan lebih dari 5% dari semua rasio varians sampel berdasarkan 6 dan 28
derajat kebebasan, masing-masing, untuk memiliki nilai Fs lebih besar dari 1,32. Kami tidak
memiliki bukti untuk menolak hipotesis nol dan menyimpulkan bahwa keduanya varians
sampel memperkirakan varians parametrik yang sama. Ini sesuai, dari tentu saja, untuk apa
yang kami ketahui dari percobaan pengambilan sampel kami. Sejak tujuh sampel diambil dari
populasi yang sama, diestimasi menggunakan varians cara mereka diharapkan menghasilkan
estimasi lain dari varians parametrik panjang sayap lalat. Kapan pun hipotesis alternatifnya
2
adalah bahwa dua varians parametrik adalah tidak sama (bukan hipotesis restriktif 𝐻𝑖 = 𝜎 1 >
2 2 2
𝜎 2 ) ,varians sampel 𝜎 1 lebih kecil dan lebih besar dari 𝜎 2 . Ini mengarah ke uji dua sisi dan
1
dalam kasus seperti kesalahan 5% tipe 1 berarti daerah penolakan 2 2% akan terjadi di setiap

ekor kurva. Dalam kasus seperti itu, perlu untuk mendapatka nilai F untuk 𝛼 > 0,5 (yaitu, di
paruh kiri distribusi F). Karena nilai-nilai ini jarang ditabulasikan, mereka dapat diperoleh
dengan menggunakan hubungan sederhana

1
𝐹𝛼[𝑣1,𝑣2]=
𝐹(𝑡−𝛼)[𝑣2,𝑣1]

Misalnya, 𝐹0,05[5,24] = 2.62. Jika kita ingin mendapatkan 𝐹0,05[5,24] (nilai F menjadi hak yang
terletak 95%) dari luas distribusi F dengan 5 dan 24 derajat kebebasan dari masing-masing),
pertama-tama kita harus mencari 𝐹0,05[24,5] = 4,53. Kemudian 𝐹0,05[5,24] kebalikan dari 4,53,
yang sama dengan 0,221. Jadi 95% dari distribusi F dengan 5 dan 24 derajat kebebasan terletak
di atas 0,221.
Ada hubungan penting antara distribusi F dan 𝑥 2 distribusi. Anda mungkin ingat
𝑦 2⁄
bahwa rasio 𝑋 2 = ∑ 2
𝜎 2 didistribusikan sebagai 𝑎 𝑥 dengan 𝑛 − 1 derajat kebebasan. Jika
2
Anda membagi pembilang ekspresi ini dengan 𝑛 − 1, Anda mendapatkan rasio 𝐹𝑠 = 𝑠 ⁄𝜎 2 ,

yang merupakan rasio varians dengan distribusi yang diharapkan dari 𝐹[𝑛−1.∞] . Derajat
kebebasan atas busur 𝑛 − 1 ( derajat kebebasan jumlah kuadrat atau varians sampel). Derajat
yang lebih rendah kebebasan tidak terbatas, karena hanya berdasarkan jumlah barang yang tidak
terbatas dapatkah kita memperoleh varians parametrik yang benar dari suatu populasi. Oleh
karena itu, oleh membagi nilai X2 dengan 𝑛 − 1 derajat kebebasan, kita mendapatkan nilai F,
𝑥 2 [𝑣]⁄
dengan 𝑛 − 1 dan ∞ 𝑑𝑓. Secara umum, 𝑣 = 𝐹[𝑣.∞] .Kita dapat meyakinkan diri kita
sendiri tentang ini dengan memeriksa tabel F dan 𝑥 2 . Dari tabel 𝑥 2 (Table IV) kami menemukan
bahwa 𝑋 2 0,05[10] = 18.307. Membagi nilai ini dengan 10 𝑑𝑓, kami memperoleh 1,8307. Jadi,
dua statistik signifikansi terkait erat dan, tanpa tabel 𝑥 2 , kita bisa melakukan dengan tabel F
saja. menggunakan nilai 𝑣𝐹[𝑣,𝑥] di tempat dari 𝑥 2 [𝑣] . Sebelum kita kembali ke analisis varians.
pertama-tama kita akan menerapkan pengetahuan yang baru kita peroleh tentang distribusi F
untuk menguji hipotesis tentang dua sampel varians.

Hipotesis alternatifnya adalah bahwa kedua varians itu tidak sama. Kita punya tidak ada alasan
untuk menganggap bahwa satu jenis kelamin harus lebih bervariasi dari yang lain. Mengingat
hipotesis alternatif, ini adalah uji dua sisi. Sejak saja ekor kanan dari distribusi F ditampilkan
secara luas di Tabel V dan di kebanyakan tabel lain, kami menghitung Fs sebagai rasio dari
varian yang lebih besar yang lebih kecil:

Karena pengujiannya dua sisi, kami mencari nilai kritis 𝐹𝑎⁄2[𝑣1,𝑣2] di mana 𝛼 adalah kesalahan

tipe I diterima dan 𝑣1= 𝑛1 − 1 dan 𝑣2= 𝑛2 − 1 adalah derajat kebebasa untuk varian atas dan
bawah. masing-masing. Apakah kami mencari 𝐹𝑎⁄2[𝑣1,𝑣2] atau 𝐹𝑎⁄2[𝑣2,𝑣1] tergantung pada

apakah sampel 1 atau sampel 2 memiliki varian yang lebih besar dan ditempatkan di pembilang.
Dari Tabel V kami menemukan 𝐹0,025[9,9] = 4,03 dan 𝐹0,05[9,9] = 3,18. Karena ini
adalah uji dua sisi, kami menggandakan probabilitas ini. Jadi, F nilai 4,03 merupakan
probabilitas 𝛼 = 0,05, sejak area ekor sebelah kanan 𝛼 = 0,025 dicocokkan dengan luas kiri
serupa di sebelah kiri 𝐹0,975[9,9] = 1⁄𝐹 = 0.248. Oleh karena itu, anggaplah hipotesis
0,025[9,9]

nol benar, probabilitas mengamati nilai F lebih besar dari 4,00 dan lebih kecil dari 1 / 4,00 =
0,25 adalah 0,10 > 𝑃 > 0,05. Sebenarnya, keduanya varians sampel tidak berbeda secara
signifikan-kedua jenis kelamin sama variabel dalam durasi kelangsungan hidup mereka.
Namun, hasilnya sudah dekat cukup ke tingkat signifikansi 5% untuk membuat kami curiga
perbedaannya sebenarnya berbeda. Sebaiknya ulangi ini bereksperimenlah dengan ukuran
sampel yang lebih besar dengan harapan hasil yang lebih menentukan akan muncul.

7.3 Hipotesis 𝐻𝑜 = 𝜎 21 = 𝜎 2 2
Pengujian hipotesis nol bahwa dua populasi normal diwakili oleh dua sampel yang
memiliki varian yang sama diilustrasikan dalam Kotak 7.1. Seperti yang akan kita lihat nanti,
beberapa tes yang mengarah pada keputusan tentang apakah dua sampel berasal dari populasi
dengan mean yang sama mengasumsikan bahwa varians populasi adalah sama. Namun, tes ini
memiliki kepentingan tersendiri. Kami akan berulang kali harus menguji apakah dua sampel
memiliki varian yang sama. Dalam genetika kita mungkin perlu mengetahui apakah generasi
keturunan lebih bervariasi untuk sebuah karakter daripada generasi induk. Dalam sistematika
kita mungkin ingin mengetahui apakah ada dua populasi lokal variabel yang sama. Dalam
biologi eksperimental, kami mungkin ingin menunjukkan di bawah yang mana dari dua
pengaturan eksperimental, bacaannya akan lebih bervariasi. Secara umum, pengaturan yang
lebih sedikit variabel akan lebih disukai; jika kedua pengaturan sama variabelnya, pelaku
eksperimen akan mengejar salah satu yang lebih sederhana atau lebih murah melakukan.

Lampiran: