引言：為什麼要關注變異數？
你好！歡迎來到 Further Statistics 2 中最實用的章節之一。到目前為止，你可能已經花了很多時間在處理平均值 (means) 的檢定。但在現實世界中，變異數 (variance，即「離散程度」或一致性) 往往同樣重要，甚至更重要！
想像一間製造飛機引擎螺栓的工廠。如果螺栓的平均尺寸正確，但變異數很大，那麼有些螺栓會太大，有些則太小。這會導致它們無法裝配！在本章中，我們將學習如何檢定母體變異數是否符合特定數值，以及如何比較兩個不同組別的變異數。如果這些符號一開始讓你感到困惑，請別擔心，我們會一步一步為你拆解。
1. 常態分佈的變異數檢定
當我們想要檢定單一母體的變異數 (\(\sigma^2\)) 時，我們會使用 卡方 (\(\chi^2\)) 分佈。這個分佈特別用於處理「平方」的數值，這非常合理，因為變異數本質上就是一種平方後的量度！
檢定統計量 (Test Statistic)
要進行這項檢定，我們使用以下公式計算 \(\chi^2\) 值：
\(\chi^2 = \frac{(n-1)S^2}{\sigma^2}\)
其中：
- \(n\) 是你的樣本大小。
- \(S^2\) 是你從樣本中算出的不偏估計量 (unbiased estimate)。
- \(\sigma^2\) 是你用來進行檢定的母體變異數（來自你的虛無假設）。
自由度 (Degrees of Freedom)
對於這項檢定，自由度 (df) 總是 \(n - 1\)。你可以把它想像成你的「靈活空間」。如果你有 10 個數據點，你就有 9 個自由度。
逐步假設檢定
1. 設定假設： \(H_0: \sigma^2 = \text{數值}\) 以及 \(H_1: \sigma^2 \neq, <, \text{ 或 } > \text{數值}\)。
2. 計算檢定統計量： 使用上述的 \(\chi^2\) 公式。
3. 找出臨界值 (critical value)： 根據你的顯著水準和 \(df = n-1\)，在 \(\chi^2\) 分佈表中查出數值。
4. 比較並得出結論： 如果你算出的值落在「拒絕域」(critical region)（即極端的尾部區域），就拒絕 \(H_0\)。
變異數的信賴區間 (Confidence Intervals)
你也可以估計真實的母體變異數落在哪個範圍。信賴區間的公式為：
\( \left( \frac{(n-1)S^2}{\chi^2_{\text{upper}}}, \frac{(n-1)S^2}{\chi^2_{\text{lower}}} \right) \)
注意：由於 \(\chi^2\) 分佈不是對稱的，所以從表中查出的「上限」和「下限」數值會不同！
快速複習箱：
- 使用 \(\chi^2\) 進行單一變異數檢定。
- 自由度 = \(n-1\)。
- 務必使用不偏估計量 \(S^2\)。
重點總結： \(\chi^2\) 檢定能幫助我們判斷數據的「離散程度」是否與我們預期的有顯著差異。
2. 比較兩個變異數：F 檢定
如果想知道兩部不同的機器是否同樣穩定？或者一種新的培訓方法是否能比舊方法減少測驗分數的變異數？這時，我們需要使用 F 分佈來比較兩個獨立樣本。
F 統計量
F 檢定基本上就是兩個變異數的比率。計算起來非常簡單：
\(F = \frac{S_1^2}{S_2^2}\)
黃金法則： 為了方便起見，請務必將較大的樣本變異數放在分子 (\(S_1^2 > S_2^2\))。這樣可以確保你的 \(F\) 值永遠大於 1，這也符合統計表的一般編排方式。
F 檢定的自由度
F 分佈有兩組自由度：
- \(\nu_1 = n_1 - 1\)（對應分子中的變異數）
- \(\nu_2 = n_2 - 1\)（對應分母中的變異數）
查表時，你必須確保這兩組自由度的順序正確！
現實生活範例
想像比較兩個品牌的燈泡。品牌 A 的壽命樣本變異數為 100 小時，品牌 B 為 250 小時。為了查看品牌 B 是否顯著地更「不可靠」(變異更大)，你會計算 \(F = \frac{250}{100} = 2.5\)。然後你再檢查在給定的樣本大小下，2.5 是否為一個異常大的比率。
常見錯誤避坑指南
- 混淆 \(S^2\) 與 \(\sigma^2\)： 記住，\(S^2\) 來自你的數據，而 \(\sigma^2\) 是理論上的母體數值。
- 忘記平方： 如果題目給你的是標準差 (\(s\))，你必須先將其平方得到變異數 (\(S^2\))，才能使用公式！
- 雙尾檢定： 如果你進行的是 \(H_1: \sigma_1^2 \neq \sigma_2^2\)，記得將顯著水準除以 2（例如，進行 5% 的檢定時，在表中要查 0.025）。
你知道嗎？ F 分佈是以現代統計學創始人之一羅納德·費雪 (Sir Ronald Fisher) 的名字命名的。他開發這個分佈是為了協助分析農業實驗數據！
重點總結： F 檢定是一個比值。如果比值接近 1，則兩者的變異數可能相等；如果比值非常大，則表示其中一組的變異程度顯著大於另一組。
3. 總結檢查清單
在進入考場前，請確保你能做到以下幾點：
1. 辨別何時使用 \(\chi^2\) (單一樣本) 而何時使用 \(F\) (兩個樣本)。
2. 從原始數據中計算變異數的不偏估計量 \(S^2\)。
3. 找出正確的自由度 (\(n-1\))。
4. 正確使用兩種分佈的統計表。
5. 在題目情境中解釋結果（例如：「有證據顯示機器 A 比機器 B 更穩定」）。
如果一開始覺得困難，別擔心！ 統計學最重要的就是練習。只要你親手做過三到四次假設檢定，模式就會變得非常清晰。你一定能行的！