범주형 데이터를 두 가지 방식으로 검정하세요: 표의 독립성(관찰 수의 행 × 열) 또는 적합도(기대 수에 대한 관찰 수). 카이제곱 통계량, 자유도, 기대 표, p값을 얻으세요.
독립성의 경우: (행 − 1) × (열 − 1). 적합도의 경우: 범주 − 1(데이터에서 추정한 매개변수는 빼요, 이 계산기는 하지 않아요).
표준 경험칙은 대부분 기대 셈이 최소 5이길 원해요. 작은 기대 셈에서는 카이제곱 근사가 약해져요 — Fisher의 정확 검정은 작은 2×2 표의 고전적인 대안이에요.
독립성의 경우: 두 변수가 연관돼 있어요 — 하나가 다른 하나를 일으킨다는 것은 아니에요. 적합도의 경우: 관측 패턴이 우연만으로 보통 생기는 것보다 기대 모델에서 더 벗어나요.
기대 빈도를 확인하는 것이 검정을 정직하게 수행하는 일부이기 때문이에요 — 어떤 셀이 통계량을 이끄는지 정확히 볼 수 있어요.
χ² = Σ (O − E)² ÷ E 모든 셀에 걸쳐. 독립에 대해, 셀의 E = (행 전체 × 열 전체) ÷ 총합계, 그리고 df = (r − 1)(c − 1). 적합도에 대해, E 값은 모델이 공급하고 df = 범주 − 1이에요. p값은 카이제곱 분포의 오른쪽 꼬리예요, 불완전 감마 함수를 통해 계산돼요.
입력들: 표 [[10, 20], [20, 10]].
단계: 행 합계 30과 30; 열 합계 30과 30; 총합 60. 모든 E = 30 × 30 ÷ 60 = 15. 각 셀은 (5² ÷ 15) = 1.667을 기여해요; 네 셀이 χ² = 6.667을 줘요. df = (2−1)(2−1) = 1. p = P(χ²₁ ≥ 6.667) ≈ 0.0098.
결과: χ² = 6.667, df 1, p ≈ 0.0098. 적합도 검산: 관측값 [10, 20, 30]과 기대값 [20, 20, 20]을 비교하면 χ² = 5 + 0 + 5 = 10, 자유도 2, p ≈ 0.0067이에요.
이 계산기를 자신의 웹사이트나 블로그에 더하세요 — 그것은 완전히 무료이고, 가입이 필요 없고, 항상 최신 버전을 보여줘요. 아래 코드를 복사하고 계산기가 나타나기를 원하는 페이지에 붙여넣으세요. 임베드 아래 작은 “제공: Loona Automation” 크레딧 줄을 유지하면 이 도구를 무료로 유지하는 데 도움이 돼요 — 그러나 스타일을 입히거나 제거해도 자유예요; 도구는 어느 쪽이든 작동해요.