利用F分布对两个样本方差所作的统计假设测验。F值为从正态总体中随机而独立地抽取自由度分别为ν₁和ν₂的样本方差的比值，即。F值的抽样分布称为F分布。F分布最初由R.A.费希尔（Fisher）于1923年以Z＝ln的形式提出，后经G.W.史奈德格（Snedecor）加以简化并命名为F。F分布的概率密度函数如下：

，限定：F≥0

式中 ν₁、ν₂分别为方差比中分子和分母的自由度；

F测验

F分布的两个重要参数平均数和标准差如下：

F测验

F分布一般不对称，其图形如下：

三个自由度组合的F分布

F测验一般是单尾测验，F值表的概率水平也是按单尾计算的。如F≥F_0.05或F≥F_0.01，就可以在0.05或0.01概率水平上否定H₀而接受H_A。

为测验两个独立样本的方差是否同质，可作的双尾测验。求方差比F值时，以较大的方差为分子，较小的为分母。将表列F值的概率乘以2后作为测验的显著水平。例如两个玉米自交系独立样本雄穗分枝数的方差分别为25.2和14.5，n₁和n₂分别为25及27。F＝25.2/14.5＝1.74。查F值表，ν₁＝24，ν₂＝26时，单尾F_0.025（1）＝2.22，亦即双尾F_0.05（2）＝2.22。由于F＜F_0.05，所以推断这两个样本的总体方差是同质的。

多个样本平均数间差异的显著性可用F测验。其无效假设是各样本所属总体的平均数相等，即H₀∶μ₁＝μ₂＝μ₃＝…＝μ_k。在H₀下，各样本间的方差应与样本内方差同质，因此F值应与1相近，如果远大于1以至超过F_α，就否定H₀而接受H_A∶μ₁，μ₂，…，μ_k中最少有两个不相等。样本间和样本内方差的算式如下：

F测验

式中 k、n分别代表样本数和样本容量，分别代表第i个样本第j个观测值、第i个样本平均数和总平均数。由此可计算：

F＝样本间方差/样本内方差（或机误方差）

其自由度ν₁＝k－1，ν₂＝k（n－1）

F与t这两个统计数在数学上是有关系的，即在自由度ν₁＝1，ν₂＝n时，F＝t²，所以F表ν＝1的直行上的F值就是5%和1%显著水平的t值的平方。