Hur väl stämmer antalen med det du väntade dig?
Anpassnings- och oberoendetest av antal: χ², frihetsgrader, p-värde och förväntade antal, ritade direkt.
Det du anger stannar på din enhet när du använder verktyget. När du öppnar en delad länk skickas inställningarna i adressen till HowToolbox för att förbereda sidan.
Separera med mellanslag, radbrytningar eller semikolon.
Proportioner, förhållanden eller antal; tomt för lika.
p-värde
0,925
χ² = 0,47 (df = 3) ger p = 0,925: antalen stämmer med de förväntade (inte signifikant på nivån 5 %).
Kikvadratfördelningen med testvariabeln
Viktiga värden som tabell
| Mått | Värde |
|---|---|
| Kikvadrat χ² | 0,47 |
| Kritiskt χ² | 7,815 |
| p-värde | 0,925 |
Observerade (hela) och förväntade (streckade) antal
Viktiga värden som tabell
| Kategori | Observerade antal | Förväntat | Residual |
|---|---|---|---|
| 1 | 315 | 312,8 | 0,13 |
| 2 | 108 | 104,3 | 0,37 |
| 3 | 101 | 104,3 | −0,32 |
| 4 | 32 | 34,75 | −0,47 |
Resultat av kikvadrattestet
- Kikvadrat χ²
- 0,47
- Frihetsgrader
- 3
- p-värde
- 0,925
- Kritiskt χ²
- 7,815
- Totalt antal
- 556
- Förväntade antal under 5
- 0
Anpassnings- och oberoendetest av antal: χ², frihetsgrader, p-värde och förväntade antal, ritade direkt.
Så använder du verktyget
- Välj Anpassning för att jämföra antal med förväntade proportioner, eller Oberoende för att testa om en tabells rader och kolumner hänger ihop.
- Skriv de observerade antalen och det förväntade förhållandet (lämna tomt för lika andelar), eller tabellen med en tabellrad per rad.
- Läs av p-värdet och meningen; kurvan skuggar förkastelseområdet och svansen bortom χ², och staplarna jämför varje observerat antal med det förväntade. Dra den kritiska linjen för att ändra α.
Så fungerar det
Ett kikvadrattest frågar om antal avviker från vad en hypotes förutsäger mer än slumpen förklarar. Det summerar, över alla kategorier, den kvadrerade skillnaden mellan observerat antal O och förväntat antal E, delad med E: χ² = Σ (O − E)² ÷ E. Ju större χ², desto sämre passning; p-värdet är sannolikheten för ett χ² som är minst så stort om hypotesen vore sann.
Vid anpassningstest är de förväntade antalen totalen gånger varje förväntad proportion, och frihetsgraderna är antalet kategorier minus ett. Mendels 556 ärtor, 315, 108, 101 och 32 mot förhållandet 9 : 3 : 3 : 1, förväntar 312,75, 104,25, 104,25 och 34,75 och ger χ² ≈ 0,47 med 3 frihetsgrader och p ≈ 0,93: en mycket god passning. För en tabell förväntar varje cell radsumma × kolumnsumma ÷ totalsumma om raderna och kolumnerna är oberoende, med (rader − 1)(kolumner − 1) frihetsgrader. Metoden följer NIST/SEMATECH e-Handbook of Statistical Methods.
Testet kräver antal av oberoende observationer, inte procent eller mätvärden. χ²-approximationen är osäker när förväntade antal är små (en vanlig regel: alla minst 5); slå då ihop kategorier eller använd ett exakt test. Ett signifikant resultat säger att antalen skiljer sig, inte varför.
Räkneexempel
Passar 315, 108, 101 och 32 ärtplantor förhållandet 9:3:3:1 i Mendels korsning?
- Förväntade antal av 556: 312,75, 104,25, 104,25 och 34,75.
- χ² = Σ (O − E)² ÷ E = 0,47, med 3 frihetsgrader.
- Det kritiska värdet vid 5 % är 7,81 och p-värdet är 0,925.
χ² = 0,47 ligger långt under 7,81 (p = 0,925): antalen stämmer med förhållandet 9:3:3:1.
Källor
- NIST/SEMATECH e-Handbook of Statistical Methods: §1.3.5.15 Chi-Square Goodness-of-Fit TestAnvänds för: formel
- R documentation: chisq.testAnvänds för: formel
Vanliga frågor
Vad är skillnaden mellan anpassning och oberoende?
Anpassning jämför en uppsättning antal med givna förväntade proportioner, till exempel en rättvis tärning eller ett ärftlighetsförhållande. Oberoende frågar om två indelningar av samma individer, tabellens rader och kolumner, hänger ihop.
Kan jag ange procent?
Som förväntade proportioner, ja: 25 25 50 fungerar som 1 1 2. De observerade värdena måste vara antal, eftersom testet beror på hur många observationer det finns.
Betyder ett litet p-värde ett starkt samband?
Nej. Ett stort urval kan göra även ett litet samband statistiskt signifikant. Använd Cramérs V tillsammans med p-värdet för att bedöma hur starkt sambandet i en tabell är.
Bevisar ett stort p-värde att mina förväntade andelar stämmer?
Nej. Det betyder bara att dessa data inte ger tillräckligt stöd mot de förväntade andelarna vid vald signifikansnivå. Ett litet urval kan missa en verklig skillnad.
Kan jag testa upprepade mätningar av samma personer?
Inte med det här vanliga kikvadrattestet. Observationerna måste vara oberoende. Parade eller upprepade kategoridata kräver en metod som är gjord för sådant beroende.





