# Kikvadrattest > Hur väl stämmer antalen med det du väntade dig? Anpassnings- och oberoendetest av antal: χ², frihetsgrader, p-värde och förväntade antal, ritade direkt. Testa antal mot förväntade proportioner, eller en korstabell för oberoende: χ², p-värde, förväntade antal och Cramérs V, med diagram som uppdateras direkt. - Page: https://how.box/sv/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/sv/about/terms/ ## Inputs Answer link: https://how.box/sv/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/sv/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 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. ## FAQ **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. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/sv/about/agents/)