Bảng phân phối Fisher: Cách tra bảng Fisher, bảng phân phối F chi tiết

Bảng phân phối Fisher (hay còn gọi là bảng phân phối F) là công cụ không thể thiếu trong Xác suất – Thống kê, được sử dụng rộng rãi trong kiểm định giả thuyết, phân tích phương sai (ANOVA) và so sánh phương sai hai tổng thể. Bài viết dưới đây sẽ trình bày đầy đủ khái niệm phân phối Fisher, cung cấp bảng tra Fisher chi tiết ở các mức ý nghĩa thông dụng, hướng dẫn cách tra bảng Fisher cùng các ví dụ minh họa giúp bạn áp dụng chính xác trong bài tập và nghiên cứu.

1. Phân phối Fisher là gì?

Trước khi đi vào bảng phân phối Fisher, chúng ta cần hiểu rõ khái niệm và các đặc trưng của phân phối này.

1.1. Định nghĩa phân phối Fisher (phân phối F)

Phân phối Fisher (ký hiệu \( F \)), còn gọi là phân phối F của Fisher–Snedecor, được định nghĩa như sau:

Nếu \( U \) và \( V \) là hai biến ngẫu nhiên độc lập có phân phối chi bình phương (\( \chi^2 \)) với bậc tự do lần lượt là \( k_1 \) và \( k_2 \), thì biến ngẫu nhiên:

\[ F = \frac{U / k_1}{V / k_2} \]

có phân phối F với \( k_1 \) bậc tự do ở tử số và \( k_2 \) bậc tự do ở mẫu số, ký hiệu: \( F \sim F(k_1,\, k_2) \).

Trong đó:

• \( k_1 \): bậc tự do tử số (degrees of freedom of numerator, viết tắt: \( df_1 \)).
• \( k_2 \): bậc tự do mẫu số (degrees of freedom of denominator, viết tắt: \( df_2 \)).

1.2. Các đặc trưng của phân phối Fisher

Tính chất quan trọng:

• Phân phối F không đối xứng, lệch phải (skewed right).
• Nếu \( F \sim F(k_1, k_2) \) thì \( \frac{1}{F} \sim F(k_2, k_1) \). Tính chất này rất hữu ích khi tra bảng Fisher ở phía ngược lại.
• Khi \( k_1 \) và \( k_2 \) đều lớn, phân phối F tiến gần đến phân phối chuẩn.
• \( F(1, k_2) = t^2(k_2) \): phân phối F với \( k_1 = 1 \) chính là bình phương của phân phối Student \( t \).

1.3. Giá trị tới hạn \( F_{\alpha}(k_1, k_2) \)

Giá trị tới hạn \( F_{\alpha}(k_1, k_2) \) là giá trị sao cho:

\[ P\Big(F > F_{\alpha}(k_1, k_2)\Big) = \alpha \]

Trong đó \( \alpha \) là mức ý nghĩa (thường là 0,05 hoặc 0,01). Giá trị này chính là giá trị mà ta cần tra bảng Fisher để tìm.

Hiểu rõ khái niệm trên, chúng ta sẽ đi vào phần bảng tra chi tiết.

2. Bảng phân phối Fisher (bảng phân phối F)

Dưới đây là bảng phân phối Fisher đầy đủ ở hai mức ý nghĩa thông dụng nhất: \( \alpha = 0{,}05 \) và \( \alpha = 0{,}01 \). Giá trị trong bảng là \( F_{\alpha}(k_1, k_2) \) – giá trị tới hạn bên phải.

2.1. Bảng Fisher với \( \alpha = 0{,}05 \) (mức ý nghĩa 5%)

Bảng tra Fisher \( F_{0{,}05}(k_1, k_2) \): hàng là \( k_2 \) (bậc tự do mẫu số), cột là \( k_1 \) (bậc tự do tử số).

2.2. Bảng Fisher với \( \alpha = 0{,}05 \) (tiếp – \( k_1 \) từ 12 đến 120 và ∞)

2.3. Bảng Fisher với \( \alpha = 0{,}01 \) (mức ý nghĩa 1%)

Bảng phân phối F \( F_{0{,}01}(k_1, k_2) \):

2.4. Bảng Fisher với \( \alpha = 0{,}01 \) (tiếp – \( k_1 \) từ 12 đến 120 và ∞)

3. Cách tra bảng Fisher

Nhiều sinh viên gặp khó khăn khi lần đầu tra bảng Fisher. Dưới đây là hướng dẫn cách tra bảng Fisher từng bước chi tiết.

3.1. Các bước tra bảng phân phối F

1. Bước 1: Xác định mức ý nghĩa \( \alpha \). Thông thường \( \alpha = 0{,}05 \) hoặc \( \alpha = 0{,}01 \). Chọn đúng bảng tương ứng.
2. Bước 2: Xác định bậc tự do tử số \( k_1 \). Đây là bậc tự do của biến chi bình phương ở tử số. Tìm cột tương ứng \( k_1 \) trong bảng Fisher.
3. Bước 3: Xác định bậc tự do mẫu số \( k_2 \). Đây là bậc tự do của biến chi bình phương ở mẫu số. Tìm hàng tương ứng \( k_2 \) trong bảng.
4. Bước 4: Giao điểm của hàng \( k_2 \) và cột \( k_1 \) chính là giá trị tới hạn \( F_{\alpha}(k_1, k_2) \) cần tìm.

3.2. Ví dụ minh họa cách tra bảng Fisher

Ví dụ 1: Tìm \( F_{0{,}05}(3,\, 10) \).

• Mức ý nghĩa: \( \alpha = 0{,}05 \) → chọn bảng 2.1.
• Bậc tự do tử số: \( k_1 = 3 \) → tìm cột “3”.
• Bậc tự do mẫu số: \( k_2 = 10 \) → tìm hàng “10”.
• Giao điểm: \( F_{0{,}05}(3, 10) = 3{,}71 \).

Ví dụ 2: Tìm \( F_{0{,}01}(5,\, 20) \).

• Mức ý nghĩa: \( \alpha = 0{,}01 \) → chọn bảng 2.3.
• \( k_1 = 5 \) → cột “5”; \( k_2 = 20 \) → hàng “20”.
• Giao điểm: \( F_{0{,}01}(5, 20) = 4{,}10 \).

Ví dụ 3: Tìm \( F_{0{,}05}(6,\, 15) \).

• \( \alpha = 0{,}05 \), \( k_1 = 6 \), \( k_2 = 15 \).
• Giao điểm hàng 15, cột 6: \( F_{0{,}05}(6, 15) = 2{,}79 \).

3.3. Tra bảng khi bậc tự do không có sẵn

Nếu giá trị \( k_1 \) hoặc \( k_2 \) không có trong bảng (ví dụ \( k_2 = 35 \)), bạn có thể:

• Nội suy tuyến tính giữa hai giá trị gần nhất (ví dụ giữa \( k_2 = 30 \) và \( k_2 = 40 \)).
• Chọn giá trị gần nhất nhỏ hơn (ví dụ \( k_2 = 30 \)) để đảm bảo an toàn (giá trị tới hạn lớn hơn, tiêu chuẩn bác bỏ chặt hơn).
• Sử dụng phần mềm thống kê (Excel, R, Python) để tính chính xác.

Công thức nội suy tuyến tính:

\[ F_{\alpha}(k_1, k_2) \approx F_{\alpha}(k_1, k_{2a}) + \frac{k_2 – k_{2a}}{k_{2b} – k_{2a}} \Big[F_{\alpha}(k_1, k_{2b}) – F_{\alpha}(k_1, k_{2a})\Big] \]

trong đó \( k_{2a} < k_2 < k_{2b} \) là hai giá trị bậc tự do gần nhất có trong bảng.

3.4. Tra giá trị F bên trái (đuôi trái)

Bảng Fisher thông thường chỉ cho giá trị tới hạn bên phải. Để tìm giá trị tới hạn bên trái \( F_{1-\alpha}(k_1, k_2) \), ta sử dụng tính chất:

\[ F_{1-\alpha}(k_1, k_2) = \frac{1}{F_{\alpha}(k_2, k_1)} \]

Ví dụ: Tìm \( F_{0{,}95}(3, 10) \).

\[ F_{0{,}95}(3, 10) = \frac{1}{F_{0{,}05}(10, 3)} = \frac{1}{8{,}79} \approx 0{,}1138 \]

4. Ứng dụng của bảng phân phối Fisher

Bảng phân phối Fisher được sử dụng trong nhiều bài toán thống kê quan trọng. Dưới đây là các ứng dụng chính.

4.1. Kiểm định so sánh hai phương sai (F-test)

Kiểm định giả thuyết \( H_0: \sigma_1^2 = \sigma_2^2 \) với hai mẫu độc lập.

Thống kê kiểm định:

\[ F = \frac{S_1^2}{S_2^2} \]

trong đó \( S_1^2 \geq S_2^2 \) là phương sai mẫu hiệu chỉnh, \( F \sim F(n_1 – 1,\, n_2 – 1) \).

Quy tắc: Bác bỏ \( H_0 \) nếu \( F > F_{\alpha}(n_1 – 1,\, n_2 – 1) \) (kiểm định một phía phải).

4.2. Phân tích phương sai một nhân tố (One-way ANOVA)

So sánh trung bình của \( k \) nhóm (tổng thể).

Thống kê kiểm định:

\[ F = \frac{MS_B}{MS_W} = \frac{SS_B / (k – 1)}{SS_W / (N – k)} \]

trong đó:

• \( MS_B \): phương sai giữa các nhóm (Mean Square Between).
• \( MS_W \): phương sai trong nội bộ nhóm (Mean Square Within).
• \( F \sim F(k – 1,\, N – k) \).

Quy tắc: Bác bỏ \( H_0 \) (các trung bình bằng nhau) nếu \( F > F_{\alpha}(k – 1,\, N – k) \).

4.3. Kiểm định mô hình hồi quy

Kiểm định sự phù hợp tổng thể của mô hình hồi quy tuyến tính.

\[ F = \frac{SS_R / p}{SS_E / (n – p – 1)} \sim F(p,\, n – p – 1) \]

trong đó \( p \) là số biến độc lập, \( n \) là cỡ mẫu.

5. Bài tập tra bảng Fisher có lời giải chi tiết

Cùng áp dụng cách tra bảng Fisher vào các bài tập cụ thể dưới đây.

Bài tập 1: Kiểm định so sánh hai phương sai

Đề bài: Hai dây chuyền sản xuất cho phương sai mẫu hiệu chỉnh lần lượt là \( S_1^2 = 12{,}5 \) (mẫu \( n_1 = 10 \)) và \( S_2^2 = 5{,}8 \) (mẫu \( n_2 = 8 \)). Với mức ý nghĩa \( \alpha = 0{,}05 \), kiểm định xem phương sai hai dây chuyền có bằng nhau không?

Lời giải:

Bước 1: Thiết lập giả thuyết.

• \( H_0: \sigma_1^2 = \sigma_2^2 \)
• \( H_1: \sigma_1^2 > \sigma_2^2 \) (kiểm định một phía phải vì \( S_1^2 > S_2^2 \))

Bước 2: Tính thống kê kiểm định.

\[ F = \frac{S_1^2}{S_2^2} = \frac{12{,}5}{5{,}8} \approx 2{,}155 \]

Bước 3: Tra bảng Fisher tìm giá trị tới hạn.

• \( k_1 = n_1 – 1 = 9 \), \( k_2 = n_2 – 1 = 7 \).
• Tra bảng \( \alpha = 0{,}05 \): \( F_{0{,}05}(9, 7) = 3{,}68 \).

Bước 4: So sánh và kết luận.

Vì \( F = 2{,}155 < 3{,}68 = F_{0{,}05}(9, 7) \), ta không bác bỏ \( H_0 \).

Kết luận: Với mức ý nghĩa 5%, chưa đủ cơ sở để cho rằng phương sai hai dây chuyền khác nhau.

Bài tập 2: Phân tích phương sai ANOVA

Đề bài: Một nhà nghiên cứu so sánh năng suất cây trồng của 4 loại phân bón, mỗi loại thử trên 6 lô đất (tổng \( N = 24 \) quan sát). Sau khi tính toán, bảng ANOVA cho kết quả:

Với \( \alpha = 0{,}05 \), kiểm định xem năng suất trung bình có khác nhau giữa 4 loại phân bón không?

Lời giải:

Bước 1: Thiết lập giả thuyết.

• \( H_0: \mu_1 = \mu_2 = \mu_3 = \mu_4 \)
• \( H_1 \): Có ít nhất hai trung bình khác nhau.

Bước 2: Tính thống kê kiểm định.

\[ F = \frac{MS_B}{MS_W} = \frac{50}{10} = 5 \]

Bước 3: Tra bảng phân phối F.

• \( k_1 = k – 1 = 4 – 1 = 3 \), \( k_2 = N – k = 24 – 4 = 20 \).
• Tra bảng \( \alpha = 0{,}05 \): \( F_{0{,}05}(3, 20) = 3{,}10 \).

Bước 4: So sánh và kết luận.

Vì \( F = 5 > 3{,}10 = F_{0{,}05}(3, 20) \), ta bác bỏ \( H_0 \).

Kết luận: Với mức ý nghĩa 5%, có sự khác biệt có ý nghĩa thống kê về năng suất trung bình giữa 4 loại phân bón.

Bài tập 3: Kiểm định hai phía

Đề bài: Hai phòng thí nghiệm A và B đo lường cùng một chỉ tiêu. Phòng A có \( n_1 = 16 \), \( S_1^2 = 24 \). Phòng B có \( n_2 = 21 \), \( S_2^2 = 10 \). Với \( \alpha = 0{,}02 \), kiểm định \( H_0: \sigma_1^2 = \sigma_2^2 \) đối với \( H_1: \sigma_1^2 \neq \sigma_2^2 \).

Lời giải:

Kiểm định hai phía, mức ý nghĩa mỗi phía là \( \frac{\alpha}{2} = 0{,}01 \).

Bước 1: Tính thống kê kiểm định (đặt \( S_1^2 \) ở tử vì lớn hơn).

\[ F = \frac{S_1^2}{S_2^2} = \frac{24}{10} = 2{,}4 \]

Bước 2: Tra bảng Fisher \( \alpha = 0{,}01 \).

• \( k_1 = n_1 – 1 = 15 \), \( k_2 = n_2 – 1 = 20 \).
• \( F_{0{,}01}(15, 20) = 3{,}09 \) (nội suy từ bảng 2.3 – 2.4).

Bước 3: So sánh.

Vì \( F = 2{,}4 < 3{,}09 = F_{0{,}01}(15, 20) \), ta không bác bỏ \( H_0 \).

Kết luận: Với mức ý nghĩa 2%, chưa đủ cơ sở để cho rằng phương sai đo lường của hai phòng thí nghiệm khác nhau.

6. Tra bảng Fisher bằng phần mềm

Ngoài việc tra bảng Fisher thủ công, bạn có thể sử dụng các phần mềm sau để tính giá trị tới hạn chính xác.

6.1. Tra bằng Microsoft Excel

Sử dụng hàm F.INV.RT (giá trị tới hạn phía phải):

6.2. Tra bằng Google Sheets

Các hàm tương tự Excel:

• =F.INV.RT(0.05, 3, 10) cho giá trị tới hạn phải.
• =F.DIST.RT(F_value, k1, k2) cho p-value.

6.3. Tra bằng Python

Sử dụng thư viện scipy:

from scipy.stats import f

# Giá trị tới hạn F(0.05; 3, 10)
f_critical = f.ppf(1 - 0.05, dfn=3, dfd=10)
print(f_critical)  # 3.7083

# P-value
p_value = 1 - f.cdf(5, dfn=3, dfd=20)
print(p_value)  # 0.0091

6.4. Tra bằng R

# Giá trị tới hạn
qf(0.95, df1=3, df2=10)  # 3.7083

# P-value
1 - pf(5, df1=3, df2=20)  # 0.0091

7. Một số lưu ý khi tra bảng phân phối Fisher

Để tra bảng Fisher chính xác và áp dụng đúng, bạn cần chú ý những điểm sau:

8. Kết luận

Bảng phân phối Fisher là công cụ tra cứu thiết yếu trong Xác suất – Thống kê, giúp xác định giá trị tới hạn cho các kiểm định F. Hãy ghi nhớ cách tra bảng Fisher: xác định đúng mức ý nghĩa \( \alpha \), bậc tự do tử số \( k_1 \) (cột) và bậc tự do mẫu số \( k_2 \) (hàng), sau đó đọc giá trị tại giao điểm. Bảng phân phối F được ứng dụng rộng rãi trong kiểm định so sánh phương sai, phân tích phương sai ANOVA và kiểm định mô hình hồi quy. Kết hợp tra bảng thủ công với các phần mềm thống kê sẽ giúp bạn tự tin xử lý mọi bài toán liên quan đến phân phối Fisher!