So ermitteln sie den kritischen chi-quadrat-wert in python

Wenn Sie einen Chi-Quadrat-Test durchführen, erhalten Sie eine Teststatistik. Um festzustellen, ob die Chi-Quadrat-Testergebnisse statistisch signifikant sind, können Sie die Teststatistiken mit einem kritischen Chi-Quadrat-Wert vergleichen. Wenn die Teststatistik größer als der kritische Chi-Quadrat-Wert ist, sind die Testergebnisse statistisch signifikant.

Der kritische Chi-Quadrat-Wert kann mithilfe einer Chi-Quadrat-Verteilungstabelle oder mithilfe einer Statistiksoftware ermittelt werden.

Um den kritischen Chi-Quadrat-Wert zu ermitteln, benötigen Sie:

• Ein Signifikanzniveau (übliche Werte sind 0,01, 0,05 und 0,10)
• Freiheitsgrade

Anhand dieser beiden Werte können Sie den Chi-Quadrat-Wert ermitteln, der mit der Teststatistik verglichen werden soll.

So ermitteln Sie den kritischen Chi-Quadrat-Wert in Python

Um den kritischen Chi-Quadrat-Wert in Python zu finden, können Sie die Funktion scipy.stats.chi2.ppf() verwenden, die die folgende Syntax verwendet:

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

Gold:

• q: Das zu verwendende Signifikanzniveau
• df : Freiheitsgrade

Diese Funktion gibt den kritischen Wert der Chi-Quadrat-Verteilung basierend auf dem bereitgestellten Signifikanzniveau und den bereitgestellten Freiheitsgraden zurück.

Angenommen, wir möchten den kritischen Chi-Quadrat-Wert für ein Signifikanzniveau von 0,05 und Freiheitsgrade = 11 ermitteln.

 import scipy.stats

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

19.67514

Der kritische Chi-Quadrat-Wert für ein Signifikanzniveau von 0,05 und Freiheitsgrade = 11 beträgt 19,67514 .

Wenn wir also eine Art Chi-Quadrat-Test durchführen, können wir die Chi-Quadrat-Teststatistik mit 19,67514 vergleichen. Wenn die Teststatistik größer als 19,67514 ist, sind die Testergebnisse statistisch signifikant.

Beachten Sie, dass kleinere Alpha-Werte zu höheren kritischen Chi-Quadrat-Werten führen. Betrachten Sie beispielsweise den kritischen Chi-Quadrat-Wert für ein Signifikanzniveau von 0,01 und Freiheitsgrade = 11.

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

24.72497

Und betrachten Sie den kritischen Chi-Quadrat-Wert mit genau den gleichen Freiheitsgraden, aber mit einem Signifikanzniveau von 0,005 :

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

Genaue Details zur Funktion chi2.ppf() finden Sie in der SciPy-Dokumentation .