Kandungan
Chi-kuadrat, lebih tepat dikenali sebagai ujian Pearson chi-square, adalah cara statistik menilai data. Ia digunakan apabila data dari pensampelan dibandingkan dengan hasil yang diharapkan atau "benar". Sebagai contoh, jika kita percaya 50 peratus daripada semua kacang jeli dalam satu bin adalah merah, sampel 100 kacang dari tong itu harus mengandungi kira-kira 50 yang berwarna merah. Sekiranya bilangan kami berbeza daripada 50, ujian Pearsons memberitahu kami jika andaian 50 peratus adalah suspek, atau jika kami boleh atribut perbezaan yang kami lihat kepada variasi rawak normal.
Menterjemahkan Nilai Chi-Square
Tentukan tahap kebebasan nilai chi-square anda. Jika anda membandingkan hasil untuk satu sampel dengan pelbagai kategori, darjah kebebasan adalah bilangan kategori tolak 1. Sebagai contoh, jika anda menilai pengedaran warna dalam balang jellybeans dan terdapat empat warna, darjah kebebasan akan menjadi 3. Jika anda membandingkan data jadual derajat kebebasan sama dengan bilangan baris tolak 1 didarabkan dengan jumlah lajur tolak 1.
Tentukan nilai kr penting yang akan anda gunakan untuk menilai data anda. Ini adalah kebarangkalian peratus (dibahagi dengan 100) bahawa nilai chi-square tertentu diperoleh secara kebetulan sahaja. Satu lagi cara berfikir tentang p ialah kebarangkalian bahawa hasil pemerhatian anda menyimpang dari hasil yang diharapkan oleh jumlah yang mereka lakukan semata-mata disebabkan oleh variasi rawak dalam proses persampelan.
Lihatlah nilai p yang dikaitkan dengan statistik ujian chi-square anda menggunakan jadual edaran chi-square. Untuk melakukan ini, lihat sepanjang baris yang bersamaan dengan tahap kebebasan anda yang dikira. Cari nilai dalam baris ini paling dekat dengan statistik ujian anda. Ikuti lajur yang mengandungi nilai itu ke atas barisan atas dan bacakan nilai p. Sekiranya statistik ujian anda berada di antara dua nilai dalam baris awal, anda boleh membatalkan nilai anggaran pertengahan antara dua nilai p di baris atas.
Bandingkan nilai p yang diperoleh dari jadual kepada nilai p kritikal yang diputuskan sebelum ini. Jika nilai p jadual anda di atas nilai kritikal, anda akan membuat kesimpulan bahawa apa-apa penyelewengan antara nilai kategori sampel dan nilai-nilai yang diharapkan adalah disebabkan oleh variasi rawak dan tidak penting. Sebagai contoh, jika anda memilih nilai p kritikal sebanyak 0.05 (atau 5%) dan mendapati nilai jadual 0.20, anda akan membuat kesimpulan bahawa tiada variasi yang ketara.