So führen sie einen chi-quadrat-fit-test in excel durch

Mithilfe eines Chi-Quadrat-Anpassungstests wird ermittelt, ob eine kategoriale Variable einer hypothetischen Verteilung folgt oder nicht.

In diesem Tutorial wird erläutert, wie Sie in Excel einen Chi-Quadrat-Anpassungstest durchführen.

Beispiel: Chi-Quadrat-Anpassungstest in Excel

Ein Ladenbesitzer sagt, dass an jedem Tag der Woche gleich viele Kunden in sein Geschäft kommen. Um diese Hypothese zu testen, erfasst ein unabhängiger Forscher die Anzahl der Kunden, die in einer bestimmten Woche in den Laden kommen, und stellt Folgendes fest:

• Montag: 50 Kunden
• Dienstag: 60 Kunden
• Mittwoch: 40 Kunden
• Donnerstag: 47 Kunden
• Freitag: 53 Kunden

Mit den folgenden Schritten führen wir einen Chi-Quadrat-Anpassungstest durch, um festzustellen, ob die Daten mit der Behauptung des Ladenbesitzers übereinstimmen.

Schritt 1: Geben Sie die Daten ein.

Zunächst geben wir in einer Spalte die Datenwerte für die erwartete Kundenzahl pro Tag und in einer anderen Spalte die beobachtete Kundenzahl pro Tag ein:

Hinweis: Insgesamt gab es 250 Kunden. Wenn der Ladenbesitzer also davon ausgeht, dass jeden Tag die gleiche Anzahl an Kunden das Geschäft betritt, würde er mit 50 Kunden pro Tag rechnen.

Schritt 2: Finden Sie den Unterschied zwischen den beobachteten und den erwarteten Werten.

Die Chi-Quadrat-Teststatistik für den Anpassungstest ist X ² = Σ(OE) ² / E.

Gold:

• Σ: ist ein ausgefallenes Symbol, das „Summe“ bedeutet
• O: beobachteter Wert
• E: erwarteter Wert

Die folgende Formel zeigt, wie (OE) ² /E für jede Zeile berechnet wird:

Schritt 3: Berechnen Sie die Chi-Quadrat-Teststatistik und den entsprechenden p-Wert.

Abschließend berechnen wir die Chi-Quadrat-Teststatistik sowie den entsprechenden p-Wert mithilfe der folgenden Formeln:

Hinweis: Die Excel-Funktion CHISQ.DIST.RT(x, deg_freedom) gibt die richtige Wahrscheinlichkeit der Chi-Quadrat-Verteilung zurück, die einer Teststatistik x und einem bestimmten Freiheitsgrad zugeordnet ist. Die Freiheitsgrade werden als n-1 berechnet. In diesem Fall ist deg_freedom = 5 – 1 = 4.

Schritt 4: Interpretieren Sie die Ergebnisse.

Die ^X2- Teststatistik für den Test beträgt 4,36 und der entsprechende p-Wert beträgt 0,3595 . Da dieser p-Wert nicht kleiner als 0,05 ist, können wir die Nullhypothese nicht ablehnen. Das bedeutet, dass uns nicht genügend Beweise dafür vorliegen, dass sich die tatsächliche Kundenverteilung von der vom Ladenbesitzer gemeldeten unterscheidet.