زمرہ ڈیٹا دو طریقوں سے جانچیں: میز میں آزادی (مشاہدہ گنتی کی قطاریں × کالم) یا فٹ کی اچھائی (مشاہدہ گنتی متوقع گنتی کے خلاف)۔ کائی مربع شماریہ، آزادی درجے، متوقع میز اور p-قدر حاصل کریں۔
آزادی کے لیے: (قطاریں − 1) × (کالم − 1)۔ فٹ کی اچھائی کے لیے: زمرے − 1 (منہا ڈیٹا سے تخمینہ شدہ کوئی پیرامیٹر، جو یہ کیلکولیٹر نہیں کرتا)۔
معیاری انگوٹھے کا قانون زیادہ تر متوقع گنتی کم از کم 5 چاہتا ہے۔ چھوٹی متوقع گنتی کے ساتھ کائی مربع تخمینہ کمزور ہوتا ہے — Fisher کا درست ٹیسٹ چھوٹی 2×2 میز کے لیے کلاسک متبادل ہے۔
آزادی کے لیے: دو متغیر منسلک ہیں — یہ نہیں کہ ایک دوسرے کا سبب ہے۔ فٹ کی اچھائی کے لیے: مشاہدہ شدہ نمونہ متوقع ماڈل سے اس سے زیادہ ہٹتا ہے جو صرف موقع عام طور پر پیدا کرے گا۔
کیونکہ متوقع گنتیوں کی جانچ ٹیسٹ ایمانداری سے کرنے کا حصہ ہے — آپ بالکل دیکھ سکتے ہیں کون سے خانے شماریے کو چلاتے ہیں۔
χ² = Σ (O − E)² ÷ E تمام خانوں میں۔ آزادی کے لیے خانے کے لیے E = (قطار کل × کالم کل) ÷ بڑا کل، اور df = (r − 1)(c − 1)۔ فٹ کی اچھائی کے لیے E قدریں ماڈل فراہم کرتا ہے اور df = زمرے − 1۔ p-قدر کائی مربع تقسیم کی دائیں دم ہے، نامکمل گاما فنکشن سے حساب شدہ۔
ان پٹس: جدول [[10, 20], [20, 10]]۔
مراحل: قطار کل 30 اور 30؛ کالم کل 30 اور 30؛ بڑا کل 60۔ ہر E = 30 × 30 ÷ 60 = 15۔ ہر سیل (5² ÷ 15) = 1.667 حصہ ڈالتا ہے؛ چار سیل χ² = 6.667 دیتے ہیں۔ df = (2−1)(2−1) = 1۔ p = P(χ²₁ ≥ 6.667) ≈ 0.0098۔
نتیجہ: χ² = 6.667, df 1, p ≈ 0.0098۔ موزونیت جانچ: مشاہدہ شدہ [10، 20، 30] متوقع [20، 20، 20] کے مقابلے χ² = 5 + 0 + 5 = 10، 2 df پر، p ≈ 0.0067 دیتا ہے۔
اس کیلکولیٹر کو اپنی ویب سائٹ یا بلاگ میں شامل کریں — یہ مکمل مفت ہے، کوئی سائن اپ نہیں چاہیے، اور ہمیشہ تازہ ترین ورژن دکھاتا ہے۔ نیچے کوڈ کاپی کریں اور اپنے صفحے میں وہاں چسپاں کریں جہاں آپ کیلکولیٹر ظاہر چاہتے ہیں۔ ایمبیڈ کے نیچے چھوٹی “Powered by Loona Automation” کریڈٹ لائن رکھنا اس ٹول کو مفت رکھنے میں مدد کرتا ہے — لیکن آپ اسے اسٹائل یا ہٹانے کے لیے آزاد ہیں؛ ٹول دونوں طرح کام کرتا ہے۔