اختبار chi square fit في جداول بيانات google (خطوة بخطوة)

يتم استخدام اختبار جودة الملاءمة لمربع كاي لتحديد ما إذا كان المتغير القاطع يتبع توزيعًا افتراضيًا أم لا.

على سبيل المثال، لنفترض أن صاحب متجر يدعي أن عددًا متساويًا من العملاء يأتون إلى متجره كل يوم من أيام الأسبوع.

لاختبار هذه الفرضية، يقوم باحث مستقل بتسجيل عدد العملاء الذين يأتون إلى المتجر في أسبوع معين ويجد ما يلي:

• الاثنين: 50 عميلاً
• الثلاثاء: 60 عميلاً
• الأربعاء: 40 عميلاً
• الخميس: 47 عميلاً
• الجمعة: 53 عميلاً

يمكننا إجراء اختبار مدى ملاءمة مربع كاي لتحديد ما إذا كانت البيانات متوافقة مع ادعاء صاحب المتجر.

يوضح هذا المثال خطوة بخطوة كيفية إجراء اختبار مدى ملاءمة مربع كاي في جداول بيانات Google.

الخطوة 1: إنشاء البيانات

أولاً، دعنا ندخل البيانات في جداول بيانات Google بالتنسيق التالي:

ملاحظة: كان هناك 250 عميلا في المجموع. إذا كان صاحب المتجر يتوقع دخول عدد متساو من العملاء إلى المتجر كل يوم، فإنه يتوقع أن يكون لديه 50 عميلًا يوميًا.

الخطوة 2: احسب الفرق بين القيم المرصودة والمتوقعة

إحصائية اختبار مربع كاي لاختبار جودة المطابقة هي X ² = Σ(OE) ² / E.

ذهب:

• Σ: رمز خيالي يعني “المجموع”
• س: القيمة المرصودة
• هـ: القيمة المتوقعة

توضح الصيغة التالية كيفية حساب (OE) ² /E لكل صف:

الخطوة 3: احسب القيمة P

أخيرًا، سنقوم بحساب إحصائية اختبار مربع كاي بالإضافة إلى القيمة الاحتمالية المقابلة باستخدام الصيغ التالية:

ملاحظة: ترجع الدالة CHISQ.DIST.RT(x, deg_freedom) الاحتمال الصحيح لتوزيع مربع كاي المرتبط بإحصائيات الاختبار x ودرجة معينة من الحرية. يتم حساب درجات الحرية كـ n-1. في هذه الحالة، درجة_الحرية = 5 – 1 = 4.

إحصائيات اختبار ^X2 للاختبار هي 4.36 والقيمة p المقابلة هي 0.3595 .

وبما أن هذه القيمة p لا تقل عن 0.05، فإننا نفشل في رفض فرضية العدم. وهذا يعني أنه ليس لدينا ما يكفي من الأدلة لنقول أن التوزيع الحقيقي للعملاء يختلف عن ذلك الذي أبلغ عنه صاحب المتجر.

مصادر إضافية

مقدمة لاختبار جودة المطابقة لمربع كاي
حاسبة اختبار جودة المطابقة لمربع كاي
شرح القيم P والأهمية الإحصائية