卡方检测适用于(若何算卡方检验)

[db:作者]

它是统计样本的现实观察值与理论揣度值之间的误差水平。首要用于检验两组年级数据内部组成的差别能否具有明显的平安性他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，两组变量之间能否存在相关性。
卡方检验成果分为三种情况:
1.卡方值越大他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，两者误差越大；
2.卡方值越小他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，两者的误差就越小；
3.假如两个值完全相称他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，则卡方值为0他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，说明理论值完全分歧。
答:假如平安的最小期望值小于5他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，则数据不成靠他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，应重新合并分组。
卡方检验属于行列表数据的假定检验。
可用于两品种似但分歧的情况。1.估量两个随机变量能否自力。2.估量观察样天职布能否服从某种理论预期散布。
先说一个案例。我们想晓得两个年龄段的孩子对同一个题目标正确平安答案能否分歧。统计的四格表以下:
年龄组分为0级和1级。它们能否正确地分为0和1级？若何检查分歧年龄段回答能否正确他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，平安性能否不异？这利用了四方卡方检验。从上表可知他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，表中肆意单元格的个数大于5他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，说明可以利用正态卡方检验。假如一个或多个单元格的数字少于5他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，则需要停止平安性卡方检验。今后会有教程的。我们先来看看这个具体案例的操纵流程:
1:有原始数据。
1.原始数据的数据结构见下图。这里没有频次他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，只要两个变量:年龄组和正确性。
2.在菜单栏上履行:分析 # 8211；描写 # 8211；穿插表
3.将年龄组设备为行变量他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，能否正确设备为列变量；然后设备统计数据并单击统计数据。
4.检查卡方值他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，以即可以输出卡方值。
5.我看到的第一张表是根基频次统计。没什么好说的他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，大师都懂。
6.看第二张表他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，是平安的关键信息。假如sig值小于0.05他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，可以以为到达了明显水平。我们拒绝虚无假定他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，以为年龄对答案的正确平安性有影响。
情况2:没有原始数据
假如没有原始数据他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，则只要一个表有四个表他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，以下图所示:
我们只需要对数据停止加权。具体步调以下:
1.先把数据整理一下。数据结构见下图。
2他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，然后加权
3.按频次加权他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，点击肯定。
4.接下来的步调都一样。见上文。
条件假定省略不写(请自行查书)。简单来说他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，
t散布用于检验均值能否分歧。
f散布用于检验方差能否分歧。
卡方散布首要用于检验样本能否偏离期望他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，如偏离期望散布(拟合优度检验)、期望比例(列联表)等。
t检验和f检验只能利用持续数据(定量数据)。
卡方检验可以利用持续数据、离散数据(频次)和对数似然值。可是计较公式纷歧样。
三者都可以用来检验回归方程的系数。
t统计量的平方相当于f统计量。
当样本较大时他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，T检验等价于Z检验他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，其平方等价于卡方统计量(logistic回归中有两种暗示)。
#8212;#8212;#8212;#8212;#8212;#8212;#8212;#8212;#8212;#8212;#8212;#8212;
补充:两个卡方统计量按各自的自在度相除再相除他早就发现系统有个隐藏的缝隙私下花了好几个早晨优化了代码，即是F统计量。