One-way ANOVA에서 군간변동과 군내변동의 비율은 귀무가설이 참일때 F-분포를 따른다.
여러분이 한번의 One-way ANOVA를 실행하면 하나의 F-값을 구할수 있는데, 같은 모집단으로 부터
같은 샘플 크기를 랜덤하게 여러번 취한다면 동일한 One-way ANOVA를 실행하더라도 그만큼
많은 F-값을 얻을 수 있게 될것이다. 그리고 이 F-값을 하나의 분포의 그래프로 그릴 수 있다.
이러한 유형의 분포를 표본 분포(Sampling Distribution)이라고 한다.

F-분포는 귀무가설이 참이라고 가정하고 있기때문에 우리가 분석한 F-값을 F-분포 그래프 위의
어느 위치에 해당하는지 확인하여 우리가 분석한 결과가 얼마나 일치하는지를 결정하고
그 확률을 계산할 수 있다

우리가 계산할 확률은 적어도 우리의 분석으로 구한 값에서 적어도 가장 큰 F-통계량을 얻을 확률이다.
이 확률을 이용해서 우리는 우리가 구한 F-값이 귀무가설이 참인 조건에서 유의한지 하지 않은지
결정할 수 있다. 이 경우 확률값이 충분히 작으면 분석중인 데이터는 귀무가설과 일치하지
않는다고 결론을 내릴 수 있다. 이 경우 샘플 데이터로 부터 구한 이러한 통계값은 전체의 모집단에 대한
귀무가설을 충분히 기각할 수 있다.

위에서 언급한 그 확률값을 우리는 p-value라고 한다.

앞에서 검토한 플라스틱 사례의 F-분포를 그리려면 특정 조건과 샘플 크기에 해당하는 자유도(DF)를
지정해야 하는데, 플라스틱 사례의 분자의 자유도는 3, 분모의 자유도는 36이다.

그래프는 만일 귀무가설이 참이며 우리가 분석하는 방법을 수없이 반복하였을 떄 구해지는 F-값을 표현한다.
붉은색으로 채워진 면적은 우리의 분석으로 구한 조건에서 적어도 가장 큰 확률을 나타낸다.
귀무가설이 참인 경우에 F-값은 대략 채색된 3.1% 영역에 들어간다는 의미이며 이 확률은 일반적으로
적용하는 유의수준 0.05를 적용할 때 귀무가설을 기각하기에 충분한 크기이다.  
즉, 모든 그룹의 평균값은 동일하지 않다라고 결론을 지을 수 있다.