Comment trouver la valeur critique du chi carré en Python

Lorsque vous effectuez un test du Chi carré, vous obtenez une statistique de test. Pour déterminer si les résultats du test du Chi carré sont statistiquement significatifs, vous pouvez comparer les statistiques du test à une valeur critique du Chi carré . Si la statistique du test est supérieure à la valeur critique du Chi carré, alors les résultats du test sont statistiquement significatifs.

La valeur critique du Chi carré peut être trouvée en utilisant untableau de distribution du Chi carré ou en utilisant un logiciel statistique.

Pour trouver la valeur critique du chi carré, vous avez besoin de :

• Un niveau de signification (les choix courants sont 0,01, 0,05 et 0,10)
• Degrés de liberté

En utilisant ces deux valeurs, vous pouvez déterminer la valeur du Chi carré à comparer avec la statistique du test.

Comment trouver la valeur critique du chi carré en Python

Pour trouver la valeur critique du Chi carré en Python, vous pouvez utiliser la fonction scipy.stats.chi2.ppf() , qui utilise la syntaxe suivante :

scipy.stats.chi2.ppf(q, df)

où:

• q : Le niveau de signification à utiliser
• df : Les degrés de liberté

Cette fonction renvoie la valeur critique de la distribution du Chi carré en fonction du niveau de signification et des degrés de liberté fournis.

Par exemple, supposons que nous souhaitions trouver la valeur critique du chi carré pour un niveau de signification de 0,05 et des degrés de liberté = 11.

import scipy.stats

#find Chi-Square critical value
scipy.stats.chi2.ppf(1-.05, df=11)

19.67514

La valeur critique du chi carré pour un niveau de signification de 0,05 et des degrés de liberté = 11 est 19,67514 .

Ainsi, si nous effectuons un certain type de test du Chi carré, nous pouvons comparer la statistique du test du Chi carré à 19,67514 . Si la statistique du test est supérieure à 19,67514, alors les résultats du test sont statistiquement significatifs.

Notez que des valeurs alpha plus petites entraîneront des valeurs critiques du Chi carré plus élevées. Par exemple, considérons la valeur critique du chi carré pour un niveau de signification de 0,01 et des degrés de liberté = 11.

scipy.stats.chi2.ppf(1-.01, df=11)

24.72497

Et considérons la valeur critique du Chi carré avec exactement les mêmes degrés de liberté, mais avec un niveau de signification de 0,005 :

scipy.stats.chi2.ppf(1-.005 df=11) 
26.75685

Reportez-vous à la documentation SciPy pour les détails exacts de la fonction chi2.ppf().