# Chi-Quadrat-Test-Rechner > Wie gut passen die Häufigkeiten zu dem, was du erwartet hast? Anpassungs- und Unabhängigkeitstest für Häufigkeiten: χ², Freiheitsgrade, p-Wert und erwartete Häufigkeiten, live gezeichnet. Teste Häufigkeiten gegen erwartete Anteile oder eine Kontingenztabelle auf Unabhängigkeit: χ², p-Wert, erwartete Häufigkeiten und Cramér-V, mit Live-Diagrammen. - Page: https://how.box/de/chi-square/ - Runs entirely in the browser. - License: HowToolbox's own text and data (titles, explanations, FAQs, tool descriptions and schemas, this file) are CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/); AI training and answers are welcome. Attribute "HowToolbox (how.box)" with a link to the page used. Third-party data keeps its own terms; the name and logo are not licensed. Publisher: HowToolbox, contact@how.box. Terms: https://how.box/de/about/terms/ ## Inputs Answer link: https://how.box/de/chi-square/?t={t}&o={o}&e={e}&tab={tab}&a={a} - `t` (fit or independence): fit or independence. Example: `fit`. - `o` (text): Observed counts (fit). Example: `315 108 101 32`. - `e` (text): Expected proportions or counts (fit); empty for equal. Example: `9 3 3 1`. - `tab` (text): The table, one row per line (independence). Example: `10 20 30 40`. - `a` (number 0.1 to 50): Significance level in percent. Example: `5`. Example answer: https://how.box/de/chi-square/?t=fit&o=315+108+101+32&e=9+3+3+1&tab=10+20%0A30+40&a=5 A complete link carries the primary answer in the page HTML; a missing or invalid value shows the default page. ## Agent tools - `chi_square_calculate`: Pearson's chi-square tests of counts. - MCP, one POST to https://how.box/mcp: `{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"chi_square_calculate","arguments":{"test":"fit","observed":"315 108 101 32","expected":"9 3 3 1","table":"10 20\n30 40","significance":5}}}` - GET: https://how.box/mcp/run/chi_square_calculate?test=fit&observed=315+108+101+32&expected=9+3+3+1&table=10+20%0A30+40&significance=5 ## How it works Ein Chi-Quadrat-Test fragt, ob Häufigkeiten stärker von dem abweichen, was eine Hypothese vorhersagt, als der Zufall erklären würde. Er summiert über alle Kategorien die quadrierte Differenz zwischen beobachteter Häufigkeit O und erwarteter Häufigkeit E, geteilt durch E: χ² = Σ (O − E)² ÷ E. Je größer χ², desto schlechter die Anpassung; der p-Wert ist die Wahrscheinlichkeit für ein mindestens so großes χ², wenn die Hypothese stimmte. Beim Anpassungstest sind die erwarteten Häufigkeiten die Gesamtzahl mal dem jeweiligen erwarteten Anteil, und die Freiheitsgrade sind die Zahl der Kategorien minus eins. Mendels 556 Erbsen, 315, 108, 101 und 32 gegen ein Verhältnis von 9 : 3 : 3 : 1, erwarten 312,75, 104,25, 104,25 und 34,75 und ergeben χ² ≈ 0,47 bei 3 Freiheitsgraden und p ≈ 0,93: eine sehr gute Anpassung. Bei einer Tabelle erwartet jede Zelle Zeilensumme × Spaltensumme ÷ Gesamtsumme, wenn Zeilen und Spalten unabhängig sind, mit (Zeilen − 1)(Spalten − 1) Freiheitsgraden. Die Methode folgt dem NIST/SEMATECH e-Handbook of Statistical Methods. Der Test braucht Häufigkeiten unabhängiger Beobachtungen, keine Prozentwerte oder Messwerte. Die χ²-Näherung ist fraglich, wenn die erwarteten Häufigkeiten klein sind (eine gängige Regel: alle mindestens 5); dann fasse Kategorien zusammen oder nimm einen exakten Test. Ein signifikantes Ergebnis besagt, dass die Häufigkeiten abweichen, nicht warum. ## FAQ **Was ist der Unterschied zwischen Anpassungstest und Unabhängigkeitstest?** Der Anpassungstest vergleicht eine Reihe von Häufigkeiten mit festen erwarteten Anteilen, etwa bei einem fairen Würfel oder einem Erbgangverhältnis. Der Unabhängigkeitstest fragt, ob zwei Einteilungen derselben Untersuchungseinheiten, die Zeilen und Spalten einer Tabelle, zusammenhängen. **Kann ich Prozentwerte eingeben?** Als erwartete Anteile ja: 25 25 50 wirkt wie 1 1 2. Die beobachteten Werte müssen Häufigkeiten sein, weil der Test davon abhängt, wie viele Beobachtungen es gibt. **Bedeutet ein kleiner p-Wert einen starken Zusammenhang?** Nein. Eine große Stichprobe kann auch einen schwachen Zusammenhang statistisch signifikant machen. Beurteile die Stärke eines Zusammenhangs in einer Tabelle zusätzlich zum p-Wert mit Cramérs V. **Beweist ein großer p-Wert, dass meine erwarteten Anteile stimmen?** Nein. Er bedeutet nur, dass die Daten beim gewählten Signifikanzniveau nicht genug gegen die erwarteten Anteile sprechen. Eine kleine Stichprobe kann einen echten Unterschied übersehen. **Kann ich wiederholte Messungen an denselben Personen testen?** Nicht mit diesem gewöhnlichen Chi-Quadrat-Test. Die Beobachtungen müssen unabhängig sein; gepaarte oder wiederholte kategoriale Daten brauchen ein Verfahren, das diese Abhängigkeit berücksichtigt. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/de/about/agents/)