Uji-F menjawab pertanyaan yang lebih sempit dibandingkan uji-t: bukan apakah dua sampel mempunyai rata-rata yang berbeda, namun apakah kedua sampel mempunyai jumlah penyebaran yang berbeda. Hal ini penting – keluaran yang tidak konsisten, pengukuran yang berisik, dan proses yang tidak stabil semuanya merupakan masalah ‘varians’ – dan ini juga merupakan pengujian yang direkomendasikan oleh banyak buku teks untuk dijalankan sebelum uji-t dua sampel, untuk memutuskan apakah akan mengasumsikan varians yang sama.

Apa yang diukur oleh F-statistik

Statistik F hanyalah rasio dua varians sampel. Untuk pengujian dua sisi — pilihan standar dan konservatif — kalkulator selalu menempatkan varians yang lebih besar di atas, sehingga F selalu ≥ 1: nilai yang mendekati 1 berarti kedua sampel memiliki penyebaran yang sama, sedangkan F yang besar berarti satu sampel jauh lebih bervariasi dibandingkan yang lain. Karena pengujiannya simetris (kelompok mana pun bisa saja menjadi kelompok yang paling berisik), nilai p dua sisi menggandakan probabilitas sisi atas dari rasio tersebut.

Dari data vs. dari varians

Jika Anda memiliki pengukuran mentah, gunakan tab Dari Data — kalkulator menghitung varians sampel setiap kelompok (menggunakan pembagi standar n − 1) secara otomatis. Jika Anda sudah memiliki ringkasan statistik — misalnya, dari laporan laboratorium atau analisis sebelumnya — gunakan tab Dari Varians dan masukkan varians setiap kelompok dan ukuran sampel secara langsung. Kedua jalur memberikan dasar matematika uji F yang sama.

Satu sisi vs. dua sisi, dan asumsi uji F

Dua sisi adalah standar default: ini menguji apakah varians berbeda di kedua arah, tanpa berasumsi kelompok mana yang lebih berisik sebelumnya. Pengujian satu sisi hanya valid jika Anda berkomitmen, sebelum melihat datanya, ke arah tertentu (misalnya, "Metode 1 lebih berisik daripada Metode 2") — pengujian ini menggunakan rasio persis seperti yang dimasukkan, bukan menyusun ulang untuk menempatkan varians yang lebih besar di atas. Uji F klasik mengasumsikan kedua sampel diambil dari populasi yang berdistribusi normal; ini cukup sensitif terhadap asumsi tersebut, jadi dengan data yang jelas-jelas tidak normal (sangat condong atau outlier), perlakukan nilai p di garis batas dengan hati-hati dan pertimbangkan alternatif yang lebih kuat seperti pengujian Levene.