Когда вы проводите тест Хи-квадрат, в результате вы получаете тестовую статистику. Чтобы определить, являются ли результаты теста хи-квадрат статистически значимыми, можно сравнить статистику теста с критическим значением хи-квадрат.Если статистика теста больше критического значения хи-квадрат, то результаты теста являются статистически значимыми.
Критическое значение хи-квадрат можно найти с помощью таблицы распределения хи-квадрат или с помощью статистического программного обеспечения.
Чтобы найти критическое значение хи-квадрат, вам нужно:
- Уровень значимости (обычно выбирают 0,01, 0,05 и 0,10).
- Степени свободы
Используя эти два значения, вы можете определить значение хи-квадрата, которое будет сравниваться со статистикой теста.
Как найти критическое значение хи-квадрат в Python
Чтобы найти критическое значение хи-квадрата в Python, вы можете использовать функцию scipy.stats.chi2.ppf() , которая использует следующий синтаксис:
scipy.stats.chi2.ppf(q, df)
куда:
- q: уровень значимости для использования
- df : Степени свободы
Эта функция возвращает критическое значение из распределения хи-квадрат на основе предоставленного уровня значимости и степеней свободы.
Например, предположим, что мы хотим найти критическое значение хи-квадрата для уровня значимости 0,05 и степеней свободы = 11.
import scipy.stats
#find Chi-Square critical value
scipy.stats.chi2.ppf(1-.05, df=11)
19.67514
Критическое значение хи-квадрата для уровня значимости 0,05 и степеней свободы = 11 равно 19,67514 .
Таким образом, если мы проводим какой-либо тест хи-квадрат, мы можем сравнить статистику теста хи-квадрат с 19,67514.Если статистика теста больше 19,67514, то результаты теста статистически значимы.
Обратите внимание, что меньшие значения альфа приведут к большим критическим значениям хи-квадрата. Например, рассмотрим критическое значение хи-квадрат для уровня значимости 0,01 и степеней свободы = 11.
scipy.stats.chi2.ppf(1-.01, df=11)
24.72497
И рассмотрим критическое значение хи-квадрата с точно такими же степенями свободы, но с уровнем значимости 0,005 :
scipy.stats.chi2.ppf(1-.005 df=11)
26.75685
Подробную информацию о функции chi2.ppf() см. в документации SciPy .