Chi-Square 통계량:을 계산하는 방법 It/배포

관측변수: 정의

콘텐츠

정의

1. 는 무엇입 치장 테스트?
2. 카이 제곱 통계 란 무엇입니까?
3. Chi Square P-값.
4. Chi-Square 배포&카이 분포

계산:

1. 을 계산하는 방법 a Chi-Square 통계량:
   • 손으로(비디오)
   • SPSS 다.,
2. 을 테스트하는 방법 카 스퀘어 가설(비디오)

see

• Chi-square 테스트 대상이 아니다.

Chi Square Test 란 무엇입니까?

카이 제곱 테스트의 두 가지 유형이 있습니다. 둘 다 chi-square 통계 및 분포를 다른 용도로 사용합니다.

• 적합 테스트의 chi-square 선량은 샘플 데이터가 모집단과 일치하는지 결정합니다. 이 유형에 대한 자세한 내용은 다음을 참조하십시오:적합 테스트의 선량.
• 독립성에 대한 chi-square 테스트는 비상 테이블의 두 변수를 비교하여 관련이 있는지 확인합니다., 보다 일반적인 의미에서 범주 형 변수의 분포가 서로 다른지 여부를 테스트합니다.
  • 매우 작은 chi square 테스트 통계는 관찰 된 데이터가 예상 데이터에 매우 잘 맞음을 의미합니다. 다른 말로하면 관계가 있습니다.
  • 매우 큰 chi square 테스트 통계는 데이터가 매우 잘 맞지 않는다는 것을 의미합니다. 다른 말로하면 관계가 없습니다.

위로 돌아 가기

카이 제곱 통계 란 무엇입니까?,

에 대한 공식 chi-square 통계에 사용되는 치장 테스트입니다:

첨자”c”는 자유도입니다. “O”는 관찰 된 값이고 E 는 예상 값입니다. 이 수식을 실제로 사용하여 손으로 중요한 카이 제곱 값을 찾는 것은 매우 드뭅니다. 합산 기호는 데이터 세트의 모든 단일 데이터 항목에 대해 계산을 수행해야 함을 의미합니다. 당신이 아마 상상할 수 있듯이,계산은 매우,매우,길고 지루한 얻을 수 있습니다., 대신,당신은 아마 기술을 사용하고 싶을 것입니다:SPSS 에서

• Chi Square Test.
• Chi Square P-Excel 의 값.

카이 제곱 통계는 두 범주 형 변수 간의 관계를 보여주는 한 가지 방법입니다. 통계에는 숫자(셀 수있는)변수와 비 숫자(범주 형)변수의 두 가지 유형의 변수가 있습니다. Chi-제곱 통계는 하나의 번호를 알려주는 당신이 얼마나 차이가 존재하는 간의 관찰하수 및 수 당신이 기대하는 관계가 없는 경우에는 모든 인구에 있습니다.,

카이 제곱 통계에는 몇 가지 변형이 있습니다. 어떤 것을 사용하는지는 데이터를 수집 한 방법과 테스트중인 가설에 따라 다릅니다. 그러나 모든 변형은 동일한 아이디어를 사용하는데,이는 예상 값을 실제로 수집하는 값과 비교하는 것입니다. 가장 일반적인 형태를 위해 사용될 수 있 비상 테이블:

어디에서 오는 관찰된 가치,전자가 예상되는 가치고”i”는”ith”위치에 비상이다.,

카이 제곱에 대한 값이 낮 으면 두 데이터 세트간에 높은 상관 관계가 있음을 의미합니다. 에서는 이론하는 경우,관찰하고 예상되는 값이 같다(“차이”)다음 chi-square 것 제로는 이벤트가 일어날 가능성이 실제 생활에서. 카이 제곱 시험 통계가 통계적으로 유의미한 차이를 나타낼 정도로 큰지 여부를 결정하는 것은 쉬운 일이 아닙니다. 면 그것은 좋은 것입니다 우리가 말할 수 있습 a chi-square 통계량>10 을 의미한 차이는 있지만,불행하게도 그렇지가 않습니다.,

계산 된 카이 제곱 값을 가져 와서 카이 제곱 테이블의 임계 값과 비교할 수 있습니다. 카이 제곱 값이 임계 값보다 많으면 상당한 차이가 있습니다.p-값을 사용할 수도 있습니다. 먼저 귀무 가설과 대체 가설을 진술하십시오. 그런 다음 p-값과 함께 결과에 대한 chi-square 곡선을 생성합니다(참조:chi-square P-value Excel 계산). 작은 p-값(5%미만)은 일반적으로 차이가 중요하다는 것을 나타냅니다(또는”충분히 작음”).

팁:카이 제곱 통계는 숫자에만 사용할 수 있습니다., 백분율,비율,수단 또는 이와 유사한 통계 값에는 사용할 수 없습니다. 예를 들어,200 명 중 10 퍼센트가 있다면 테스트 통계를 실행하기 전에 숫자(20)로 변환해야합니다.
위로 가기

Chi Square P-값.

카이 제곱 테스트는 당신에게 p-값을 줄 것이다. P-값은 테스트 결과가 중요한지 아닌지를 알려줍니다. Chi square 테스트를 수행하고 p-값을 얻으려면 두 가지 정보가 필요합니다.

1. 자유도. 그것은 단지 1 을 뺀 범주의 수입니다.
2. 알파 레벨(α)., 이것은 당신이나 연구원에 의해 선택됩니다. 일반적인 알파 수준은 0.05(5%)이지만 0.01 또는 0.10 과 같은 다른 수준을 가질 수도 있습니다.

초등 통계 또는 AP 통계에서 자유도(df)와 알파 수준은 일반적으로 질문에 당신에게 주어집니다. 당신은 일반적으로 그들이 무엇인지 알아낼 필요가 없습니다. Df 를 직접 알아 내야 할 수도 있지만 매우 간단합니다:범주를 세고 1 을 뺍니다.,

자유도 배치되는 첨자로 후 chi-square(Χ2)기호입니다. 예를 들어,다음 chi square 는 6df 를 보여줍니다:
Χ26.
이 chi square 는 4df:
Χ24 를 보여줍니다.,
Back to Top

Chi-Square 배포

chi-square 유통(또는 치 제곱 배포)의 특별한 경우에는 감마 분포; 카이 사각 배포 n 도의 자유와 같은 감마 분포=n/2b=0.5(또는 β=2).정규 분포에서 가져온 무작위 샘플을 가지고 있다고 가정 해 봅시다. 카이 제곱 분포는이 무작위 표본 제곱의 합계의 분포입니다., 자유도(k)는 합산되는 샘플의 수와 같습니다. 예를 들어 정규 분포에서 10 개의 샘플을 채취 한 경우 df=10 입니다. 치 제곱 분포의 자유도 또한 그 평균입니다. 이 예에서이 특정 분포의 평균은 10 이됩니다. 치 제곱 분포는 항상 오른쪽으로 기울어 져 있습니다. 그러나 자유도가 클수록 카이 제곱 분포는 정규 분포처럼 보입니다.,

사

카이 제곱 배가 많이 사용하는에서 통계를 포함한다.

• 신뢰구간을 추정 인구는 표준 편차의 정상적인 배포에서 샘플 표준 편차가 있다고 가정합니다. 리>질적 변수의 분류의 두 기준의 독립성.
• 범주 형 변수(비상 테이블)간의 관계.
• 기본 분포가 정상일 때 샘플 분산 연구.
• 예상 주파수와 관찰 주파수 사이의 차이의 편차를 테스트합니다(단방향 테이블).,
• chi-square 테스트(적합 테스트의 장점).

Chi 분포

비슷한 분포는 chi 분포입니다. 이 분포는 카이 제곱 분포에 따라 분포 된 변수의 제곱근을 설명합니다.;df n=>0 도의 자유는 확률 밀도 함수의:

f(x)=2(1n/2)x(n-1)e(-(x2)/2)/C(n/2)

한 값입니다 긍정적이다.,

cdf 이 기능이 닫히지 않은 형태로,하지만 그것을 할 수 있습작 시리즈의 적분,를 사용하여 수학.

위로 돌아 가기

카이 제곱 통계를 계산하는 방법

카이 제곱 통계는 가설을 테스트하는 데 사용됩니다. 이 비디오를 보거나 카이 스퀘어를 계산하는 방법을 보거나 아래 단계를 읽으십시오. 아직도 어려움이 있습니까? Chegg.com 가정교사와 당신을 일치시킬 것입니다,그리고 처음 30 분은 무료입니다!

카이 제곱 공식은 다루기 어려운 공식입니다. 주로 많은 양의 숫자를 추가 할 것으로 예상되기 때문입니다. 수식을 해결하는 가장 쉬운 방법은 테이블을 만드는 것입니다.

2 단계:카테고리를 기입하십시오. 카테고리는 질문에 당신에게 주어져야합니다. 12 개의 조디악 표지판이 있으므로

3 단계:카운트를 작성하십시오. 카운트는 2 열의 각 카테고리에있는 각 항목의 수입니다., 질문에 카운트가 주어집니다.

4 단계:열 3 에 대한 예상 값을 계산합니다. 이 질문에서 우리는 12 개의 조디악 표지판이 256 명 모두에게 균등하게 분배 될 것으로 예상하므로 256/12=21.333 입니다. 3 열에 이것을 쓰십시오.

5 단계:관찰 된 값(3 단계)에서 예상 값(4 단계)을 빼고 결과를”잔여”열에 놓습니다. 예를 들어,첫 번째 줄은 양자리:29-21.333=7.667.,

6 단계:5 단계에서 결과를 제곱하고 금액을(Obs-Exp)2 열에 배치하십시오.

7 단계:6 단계의 금액을 예상 값(4 단계)으로 나누고 그 결과를 최종 열에 배치합니다.

8 단계:마지막 열의 모든 값을 합산(합계)합니다.

이것은 chi-square 통계입니다:5.094. 나는 이것이 어떻게 작동하는지 잘 모르겠습니다., 체크아웃 실질적으로 부정한 통계 수첩이 있는 수백 개의 단계별 설명은 이와 같은!

맨 위로 돌아 가기

SPSS 지침.

“Crosstabs”아래의 SPSS 에서 chi square 테스트를 찾을 수 있습니다.

예제 문제:SPSS 에서 chi square 테스트를 실행하십시오.

참고:SPSS 에서 chi-square 테스트를 실행하려면 이미 가설 문을 작성 했어야합니다. 참조:귀무 가설을 진술하는 방법.

비디오를 시청하거나 읽고 아래 단계를

1 단계:”분석”을 클릭 한 다음”설명 통계”를 클릭 한 다음”Crosstabs”를 클릭하십시오.”

2 단계:”통계”버튼을 클릭하십시오. 통계 버튼은 Crosstabs 창의 오른쪽에 있습니다. 새로운 팝업 창이 나타납니다.

3 단계:”를 클릭 Chi Square”을 확인란에 다음을 클릭하”계속”을 반환 교차분석 창입니다.,

4 단계:실행하려는 변수를 선택하십시오(즉,chi square 테스트를 사용하여 비교하려는 두 변수를 선택하십시오). 왼쪽 창에서 하나의 변수를 클릭 한 다음 상단의 화살표를 클릭하여 변수를”행(들)으로 이동하십시오.”반복하여”열(들)”창에 두 번째 변수를 추가하십시오.

5 단계:”셀”을 클릭 한 다음”행”및”열”을 확인하십시오. “계속을 클릭하십시오.”

6 단계:”확인”을 클릭하여 Chi Square 테스트를 실행하십시오. Chi Square tests 는”Chi Square Tests”상자의 출력 시트 하단에 반환됩니다.,

7 단계:chi-square 영역(Asymp Sig 열에 나열)에서 반환 된 p-값을 선택한 알파 레벨과 비교합니다.

위로 가기

통계에 대한 자세한 도움말을 보려면 YouTube 채널을 확인하십시오. 기본 통계 원칙에 대한 수십 개의 비디오 플러스 Microsoft Excel 을 사용하여 통계를 계산하는 방법을 찾을 수 있습니다.

을 테스트하는 방법 카 스퀘어 가설(테스트 대한 독립)

시계 비디오게 읽고 아래 단계를

독립성에 대한 카이 제곱 테스트는 범주 형 변수가 어떻게 관련되어 있는지를 보여줍니다., 통계에는 몇 가지 변형이 있으며,어느 것을 사용하는지는 데이터를 수집 한 방법에 따라 다릅니다. 그것은 또한 당신의 가설이 어떻게 말로 표현되는지에 달려 있습니다. 의 모든 변형을 사용하여 동일한 아이디어,당신은 값을 비교 당신을 얻을 것으로 예상(예상되는 값은)값으로 당신은 실제로 수집(관찰값). 가장 일반적인 형태 중 하나는 비상 테이블에 사용될 수있다.

chi square 가설 테스트는 다음과 같은 경우 적합합니다.

• 이산 결과(범주.)
• 이분법 변수.
• 서수 변수.,

예를 들어,저혈당,정상 혈당 또는 고혈당의 혈당 결과와 함께 임상 시험을 할 수 있습니다.

테스트 Chi 스퀘어 가설계

질문 예:테스트 chi-square 가설을 다음과 같은 특성.

1. 11 자유도
2. 치 square 통계량의 5.094

참고:자유도 같은 범주의 수-1.

1 단계:카이 제곱 통계를 취합니다. Chi-square 테이블에서 p-값을 찾으십시오., 익숙하지 않은 경우 chi-square 테이블,카 스퀘어 테이블 링크도 포함되어 있는 짧은 영상에서 어떻게 하면 테이블을 읽을 수 있습니다. Df=11 과 5.094 에 가장 가까운 값은 사이입니다.900 과.950.
참고:chi square 테이블은 모든 단일 가능성에 대해 정확한 값을 제공하지 않습니다. 계산기를 사용하면 정확한 값을 얻을 수 있습니다. 정확한 p 값은 0.9265 입니다.

단계 2:p-값을 사용하여 당신이에서 발견 단계 1. 귀무 가설을지지할지 또는 거부할지 결정하십시오., 일반적으로 p 값이 작 으면(1%~5%)귀무 가설을 거부하게됩니다. 이 매우 큰 p-값(92.65%)은 귀무 가설을 거부해서는 안된다는 것을 의미합니다.나는 이것이 어떻게 작동하는지 잘 모르겠습니다. 체크아웃 실질적으로 부정한 통계 수첩이 있는 수백 개의 단계별 설명은 이와 같은!

위로 가기

참조

존스 홉킨스.
Kenney,J.f.And Keeping,E.S. 통계학 수학,Pt. 2,2 에드. 프린스턴,뉴저지:반 노스트 랜드,1951.,

——————————————————————————

도움이 필요한 숙제 또는 테스트는 질문? Chegg Study 를 사용하면 해당 분야의 전문가로부터 질문에 대한 단계별 솔루션을 얻을 수 있습니다. 체그 교사와 처음 30 분은 무료입니다! 피>