Tweevariantietoets (F-toets)
Een tweevariantie-hypothesetoets beoordeelt of de varianties van twee onafhankelijke populaties gelijk zijn door de verhouding van de twee steekproefvarianties te vergelijken met de F-verdeling, met aparte vrijheidsgraden voor elke steekproef, uitgaande van normaal verdeelde en onafhankelijke populaties, en wordt vaak toegepast in kwaliteitsbeheersing, financiën en experimenteel onderzoek om de consistentie en variabiliteit van processen te evalueren.
Laatst beoordeeld
Belangrijkste conclusie
Een tweevariantie-hypothesetoets beoordeelt of de varianties van twee onafhankelijke populaties gelijk zijn door de verhouding van de twee steekproefvarianties te vergelijken met de F-verdeling.
Op deze pagina
Wat is een tweevariantietoets?
Een tweevariantie-hypothesetoets beoordeelt of de varianties van twee onafhankelijke populaties gelijk zijn door de verhouding van de twee steekproefvarianties te vergelijken met de F-verdeling, met aparte vrijheidsgraden voor elke steekproef, uitgaande van normaal verdeelde en onafhankelijke populaties, en wordt vaak toegepast in kwaliteitsbeheersing, financiën en experimenteel onderzoek om de consistentie en variabiliteit van processen te evalueren.
Wanneer gebruikt u een tweevariantietoets?
De tweesteekproef-variantietoets wordt gebruikt om vast te stellen of twee steekproeven gelijke varianties hebben.
- Variabiliteit vergelijken: Wanneer u wilt bepalen of de variabiliteit (variantie) van twee onafhankelijke populaties significant verschilt.
- Kwaliteitsbeheersing: Om de consistentie en variabiliteit van twee verschillende productieprocessen of batches te vergelijken.
- Experimenteel onderzoek: Wanneer u evalueert of de experimentele omstandigheden of behandelingen leiden tot verschillende niveaus van variabiliteit in de uitkomsten.
- Financiën: Om het risico (variantie in rendementen) van twee verschillende beleggingsportefeuilles of financiële instrumenten te vergelijken.
- Aan de aannames voldaan:
- Normale verdeling: De populaties waaruit de steekproeven zijn getrokken, moeten normaal verdeeld zijn.
- Onafhankelijkheid: De twee populaties moeten onafhankelijk van elkaar zijn.
Zij is nuttig in situaties waarin u twee populaties of groepen wilt vergelijken met betrekking tot hun varianties, zoals in de volgende scenario's:
- Kwaliteitsbeheersing: Een productiebedrijf wil mogelijk de varianties van twee productielijnen vergelijken om te waarborgen dat ze producten met een consistente kwaliteit maken.
- Klinische studies: Onderzoekers willen mogelijk de varianties van twee groepen patiënten vergelijken om vast te stellen of een nieuwe behandeling een vergelijkbaar effect heeft op beide groepen.
- Onderwijs: Docenten willen mogelijk de varianties van toetsscores tussen twee groepen leerlingen vergelijken om te zien of de ene groep consistenter is dan de andere.
- Financiële analyse: Beleggers willen mogelijk de varianties van de rendementen van twee verschillende beleggingsportefeuilles vergelijken om vast te stellen of de ene volatieler is dan de andere.
Richtlijnen voor correct gebruik van de tweevariantietoets
- Aselecte steekproeftrekking: Zorg dat de steekproefgegevens aselect zijn gekozen, zodat geldige generalisaties over de populatie mogelijk zijn.
- Verdeling van de gegevens: De steekproefgegevens mogen niet sterk scheef zijn en de steekproefomvang moet groter zijn dan 20. Bij steekproefomvangen kleiner dan 20 zet u de gegevens in een grafiek om op scheefheid en ongewone waarnemingen te controleren. Wees voorzichtig met het interpreteren van de resultaten als de gegevens sterk scheef zijn of veel ongewone waarnemingen bevatten.
- Onafhankelijkheid van waarnemingen: Elke waarneming moet onafhankelijk zijn van alle andere waarnemingen. Afhankelijke waarnemingen kunnen de resultaten ongeldig maken.
- Passende steekproefomvang: Zorg dat de steekproefomvang groot genoeg is voor nauwkeurige schattingen, smalle betrouwbaarheidsintervallen en voldoende bescherming tegen fouten van de eerste en tweede soort.
Alternatieven: wanneer u de tweevariantietoets niet gebruikt
- De tweesteekproef-variantietoets is bedoeld voor het vergelijken van de varianties van twee onafhankelijke steekproeven. Als uw steekproeven afhankelijk zijn, zoals in een voor-nastudie of een opzet met gepaarde waarnemingen, moet u mogelijk een andere toets gebruiken, zoals de gepaarde t-toets.
Voorbeeld van een tweevariantietoets
Een adviseur in de gezondheidszorg wil de tevredenheidsscores van patiënten van twee ziekenhuizen vergelijken. Daartoe verzamelt de adviseur scores van 20 patiënten per ziekenhuis en voert een tweesteekproef-variantietoets uit om vast te stellen of er een verschil is in de standaardafwijkingen van de patiëntscores. De stappen zijn:
- De benodigde gegevens verzamelen.

- Analyseer de gegevens nu in Zometric Statistical Software op https://statsai.zometric.com/.
- Kies om Two variance test te vinden Statistical module> Graphical analysis>Two variance test.
- Voer in de tool de gegevens samen met de andere invoer als volgt in:

5. Na gebruik van de bovengenoemde tool verschijnt de uitvoer als volgt:



Zo voert u een tweevariantietoets uit
De stappen zijn als volgt:
- Log in bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Graphical analysis >Two variance test
- Klik op Two variance test om het dashboard te openen.
- Voer vervolgens de gegevens handmatig in, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad en plak (Ctrl+V) ze hier.
- Vul vervolgens de waarden voor het betrouwbaarheidsniveau en de hypothetische verhouding in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van Two variance test is het venster in twee delen verdeeld.

Links staat het Data Pane. In het Data Pane vormt elke rij één subgroep. U kunt de gegevens handmatig invoeren, of ze volledig kopiëren (Ctrl+C) uit een Excel-blad en hier plakken (Ctrl+V).
Load example: Voorbeeldgegevens worden geladen.
Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.
Rechts staan veel opties, als volgt:
- Confidence level: Bij hypothesetoetsen geeft het betrouwbaarheidsniveau de mate van zekerheid of het vertrouwen aan dat we in onze statistische analyse hebben. Het is een kanswaarde die aangeeft hoe waarschijnlijk het is dat de ware populatieparameter binnen het opgegeven bereik van waarden valt. Gewoonlijk wordt het betrouwbaarheidsniveau als percentage uitgedrukt en aangeduid met (1 - α), waarbij α het significantieniveau is, oftewel de kans om een ware nulhypothese te verwerpen. Als we bijvoorbeeld een betrouwbaarheidsniveau van 95% hebben, zeggen we dat we er 95% zeker van zijn dat de ware populatieparameter binnen onze intervalschatting ligt, en dat er een kans van 5% is op een fout van de eerste soort (het verwerpen van een ware nulhypothese). In praktische termen betekent een hoger betrouwbaarheidsniveau dat we meer vertrouwen hebben in onze statistische analyse en resultaten. Het verhogen van het betrouwbaarheidsniveau vergroot echter ook de breedte van het betrouwbaarheidsinterval, waardoor kleine effecten moeilijker te detecteren zijn. De keuze van het betrouwbaarheidsniveau hangt dus af van de context van de studie en de doelen van de onderzoeker.
- Hypothesized ratio: In een tweevariantietoets is de hypothetische verhouding de waarde die wordt gebruikt om de nulhypothese te toetsen dat de varianties van twee populaties gelijk zijn. Zij vertegenwoordigt de verwachte verhouding van de twee populatievarianties onder de nulhypothese.
- Alternative hypothesis: Bij hypothesetoetsen is de alternatieve hypothese (ook onderzoekshypothese genoemd) een bewering die een andere conclusie vertegenwoordigt dan de nulhypothese. De nulhypothese vertegenwoordigt doorgaans de status quo of de aanname dat er geen significant verschil of significante relatie is tussen twee of meer groepen of variabelen. De alternatieve hypothese is de bewering die wordt getoetst, en zij stelt dat er een significant verschil of een significante relatie is tussen de bestudeerde groepen of variabelen.
- Summary plot: Een summary plot is een uitgebreide visuele weergave om statistische resultaten compact en informatief te tonen. In de context van het vergelijken van de standaardafwijkingen of varianties tussen twee of meer steekproeven. Door betrouwbaarheidsintervallen, boxplots en statistische toetsresultaten te combineren, geeft zij een helder en volledig overzicht van de gegevens. In de getoonde grafiek zien we dat Hospital A minder variabiliteit en nauwkeurigere schattingen heeft dan Hospital B, zoals blijkt uit het smallere betrouwbaarheidsinterval voor de standaardafwijking. Deze informatie is cruciaal om gebieden te herkennen die aandacht vragen en om onderbouwde beslissingen te nemen op basis van de statistische analyse van de gegevens.
- Individual value plot: Een Individual Value Plot (IVP, plot van individuele waarden) is een grafisch hulpmiddel dat het best geschikt is voor kleine steekproeven (minder dan 50 waarnemingen) en dat afzonderlijke gegevenspunten toont om verdeling, centrale tendens, variabiliteit en uitschieters gedetailleerd te onderzoeken, en dat ook effectief is om verdelingen over meerdere kleine groepen te vergelijken.
- Histogram: Bij hypothesetoetsen is een histogram een grafische weergave van de verdeling van een steekproef van gegevens. Het is een visueel hulpmiddel om de vorm en kenmerken van de gegevens te onderzoeken. Histogrammen zijn het best wanneer de steekproefomvang groter is dan 20. Een histogram ontstaat door de gegevens in een aantal intervallen of klassen te verdelen en het aantal gegevenspunten in elke klasse te tellen. De klassen hebben doorgaans een gelijke breedte en de hoogte van elke staaf in het histogram geeft de frequentie weer van de gegevenspunten die in die klasse vallen.
- Box plot: Een boxplot, ook box-and-whiskerplot genoemd, is een grafische weergave van gegevens die de verdeling van een dataset toont, inclusief de mediaan, kwartielen en eventuele uitschieters. Bij hypothesetoetsen kan een boxplot worden gebruikt om de verdeling van een steekproef visueel te vergelijken met een bekende of verwachte verdeling, zoals een normale verdeling. Dit kan helpen bepalen of de steekproefgegevens significant verschillen van wat wordt verwacht. De box in een boxplot vertegenwoordigt de middelste 50% van de gegevens, waarbij de onderrand van de box het eerste kwartiel (Q1) aangeeft, de bovenrand van de box het derde kwartiel (Q3) en de lijn in de box de mediaan. De whiskers lopen van de box tot de minimum- en maximumwaarden in de dataset, met uitzondering van eventuele uitschieters, die als afzonderlijke punten voorbij de whiskers worden uitgezet.
- Download as Excel: Hiermee wordt het resultaat in Excel-formaat getoond, dat u eenvoudig kunt bewerken en met de optie Load File opnieuw kunt laden voor berekeningen.
Veelgestelde vragen
Wat is een tweevariantietoets?
Een tweevariantietoets beoordeelt of de varianties van twee onafhankelijke populaties gelijk zijn door de verhouding van de twee steekproefvarianties te vergelijken met de F-verdeling, met aparte vrijheidsgraden voor elke steekproef. Zij wordt gebruikt in kwaliteitsbeheersing, financiën en experimenteel onderzoek om consistentie en variabiliteit te vergelijken.
Wat zijn de aannames van een tweevariantietoets?
De populaties moeten normaal verdeeld en onafhankelijk van elkaar zijn, steekproeven moeten aselect zijn gekozen en elke waarneming moet onafhankelijk zijn van alle andere. De steekproefgegevens mogen niet sterk scheef zijn en de steekproefomvang moet groter zijn dan 20; bij minder zet u de gegevens in een grafiek om op scheefheid en ongewone waarnemingen te controleren.
Wanneer gebruikt u een tweevariantietoets?
Gebruik haar om vast te stellen of twee onafhankelijke groepen verschillen in variabiliteit, bijvoorbeeld om de consistentie van twee productielijnen of batches te vergelijken, of behandelingen verschillende variabiliteit in de uitkomsten veroorzaken, of de volatiliteit van de rendementen van twee beleggingsportefeuilles. Voor afhankelijke steekproeven, zoals voor-nastudies, is een andere toets nodig.
Wat is de hypothetische verhouding in een tweevariantietoets?
De hypothetische verhouding is de verwachte verhouding van de twee populatievarianties onder de nulhypothese. De toets controleert of de waargenomen verhouding van de steekproefvarianties daarmee overeenkomt; toetsen of de varianties gelijk zijn komt overeen met een verhouding van 1.
