• lors de la comparaison de plusieurs moyennes (ce test ne peut être utilisé qu'à deux conditions: les distributions des moyennes sont normales, c'est-à-dire décrivent une courbe de Gauss et leurs variances sont de même taille)
• pour tester la significativité globale d'un modèle de régression

En ce qui concerne la comparaison de plusieurs moyennes, on se pose la question suivante : les différences entre les moyennes observées et la moyenne globale sont-elles significatives ou non ?
Le test F de Fisher permet de tester ce genre d'hypothèses.

Le test de Fisher permet également de savoir si un modèle de régression linéaire multiple est globalement significatif ou non.

Principe d'utilisation :

La valeur observée est comparée aux valeurs contenues dans la table du F de Fisher. Si la valeur du F calculé est supérieure à la valeur du F critique de la table, alors on en déduira qu'un ou plusieurs coefficients de la régression sont différents de 0, et donc que le modèle est (très) significatif (selon le seuil de significativité). Si le modèle n'est pas globalement significatif, il est important de voir quel(s) coefficient(s) n'est pas significatif(s) à l'aide du test de Student. Un F calculé supérieur au F de la table traduit, soit une différence significative entre les moyennes observées et la moyenne globale, soit un modèle globalement significatif, selon l'emploi du test de Fisher.