Kandungan
- Jenis Data Diperlukan
- Ujian Kebaikan-of-Fit
- Mengira Statistik Chi-Square
- Menterjemahkan Statistik Chi-Square
Ramalan ujian eksperimen. Ramalan ini sering berangka, yang bermakna, sebagai saintis mengumpul data, mereka mengharapkan angka-angka itu akan pecah dengan cara tertentu. Data dunia nyata jarang sekali sepadan dengan ramalan saintis yang dibuat oleh para saintis, jadi para saintis memerlukan ujian untuk memberitahu mereka sama ada perbezaan antara nombor yang diperhatikan dan dijangka adalah kerana peluang rawak, atau kerana beberapa faktor yang tidak dijangka yang akan memaksa ahli sains menyesuaikan teori asas . Ujian chi-square adalah alat statistik yang digunakan saintis untuk tujuan ini.
Jenis Data Diperlukan
Anda memerlukan data kategori untuk menggunakan ujian chi-square. Contoh data kategori ialah bilangan orang yang menjawab soalan "ya" berbanding jumlah orang yang menjawab soalan "tidak" (dua kategori), atau bilangan katak dalam populasi yang hijau, kuning atau kelabu tiga kategori). Anda tidak boleh menggunakan ujian chi-square pada data berterusan, seperti yang mungkin dikumpulkan dari kaji selidik yang meminta orang berapa tingginya. Dari tinjauan sedemikian, anda akan mendapat pelbagai ketinggian. Walau bagaimanapun, jika anda membahagikan ketinggian ke dalam kategori seperti "di bawah 6 kaki tinggi" dan "6 kaki tinggi dan lebih," anda boleh menggunakan ujian chi-square pada data.
Ujian Kebaikan-of-Fit
Ujian kebaikan-of-fit adalah biasa, dan mungkin ujian yang paling sederhana, dilakukan menggunakan statistik chi-square. Dalam ujian kebaikan, si saintis membuat ramalan khusus mengenai nombor yang dia harapkan untuk melihat dalam setiap kategori datanya. Kemudian dia mengumpul data dunia nyata - dipanggil data diperhatikan - dan menggunakan ujian chi-square untuk melihat sama ada data yang diperhatikan sesuai dengan harapannya.
Sebagai contoh, bayangkan ahli biologi mengkaji pola warisan dalam spesies katak. Antara 100 orang ibu bapa katak, model genetik biologi mengetuai beliau untuk mengharapkan 25 anak keturunan kuning, 50 anak hijau dan 25 anak kelabu. Apa yang sebenarnya dia perhatikan ialah 20 anak keturunan kuning, 52 anak hijau dan 28 anak kelabu. Adakah ramalannya disokong atau model genetiknya tidak betul? Dia boleh menggunakan ujian chi-square untuk mengetahui.
Mengira Statistik Chi-Square
Mulailah mengira statistik chi-square dengan menolak setiap nilai yang dijangkakan dari nilai yang diperhatikannya yang sepadan dan menjaringkan setiap keputusan. Pengiraan untuk contoh keturunan katak akan kelihatan seperti ini:
kuning = (20 - 25) ^ 2 = 25 hijau = (52 - 50) ^ 2 = 4 kelabu = (28 - 25) ^ 2 = 9
Sekarang bahagikan setiap keputusan dengan nilai yang diharapkan.
kuning = 25 ÷ 25 = 1 hijau = 4 ÷ 50 = 0.08 kelabu = 9 ÷ 25 = 0.36
Akhir sekali, tambah jawapan dari langkah sebelumnya.
chi-square = 1 + 0.08 + 0.36 = 1.44
Menterjemahkan Statistik Chi-Square
Statistik chi-square memberitahu anda bagaimana perbezaan nilai diperhatikan anda daripada nilai yang anda ramalkan. Semakin tinggi bilangan, semakin besar perbezaannya. Anda boleh menentukan sama ada nilai chi-square anda terlalu tinggi atau cukup rendah untuk menyokong ramalan anda dengan melihat sama ada ia berada di bawah tertentu nilai kritikal pada meja pengedaran chi-kuadrat. Jadual ini sepadan dengan nilai chi-square dengan kebarangkalian, dipanggil p-nilai. Khususnya, jadual memberitahu anda kebarangkalian bahawa perbezaan di antara nilai-nilai yang diperhatikan dan dijangka hanya disebabkan oleh peluang rawak atau apakah ada faktor lain yang ada. Untuk ujian kebaikan, jika p-nilai adalah 0.05 atau kurang, maka anda mesti menolak ramalan anda.
Anda mesti menentukan darjah kebebasan (df) dalam data anda sebelum anda dapat mencari nilai kritikal chi-square dalam jadual edaran. Darjah kebebasan dikira dengan menolak 1 dari bilangan kategori dalam data anda. Terdapat tiga kategori dalam contoh ini, jadi terdapat 2 darjah kebebasan. Sekilas pada jadual pengedaran chi-square ini memberitahu anda bahawa, untuk 2 darjah kebebasan, nilai kritikal untuk kebarangkalian 0.05 adalah 5.99. Ini bermakna selagi nilai chi-square anda dikira adalah kurang daripada 5.99, nilai-nilai yang anda harapkan, dan dengan itu teori asas, sah dan disokong. Oleh kerana statistik chi-square untuk data anak katak adalah 1.44, ahli biologi boleh menerima model genetiknya.