Chi-quadrat-fit-test in google sheets (schritt für schritt)

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

Angenommen, ein Ladenbesitzer behauptet, 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

Wir können einen Chi-Quadrat-Anpassungstest durchführen, um festzustellen, ob die Daten mit der Behauptung des Ladenbesitzers übereinstimmen.

Dieses Schritt-für-Schritt-Beispiel zeigt, wie Sie in Google Sheets einen Chi-Quadrat-Anpassungstest durchführen.

Schritt 1: Erstellen Sie die Daten

Geben wir zunächst die Daten im folgenden Format in Google Sheets ein:

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

Schritt 2: Berechnen Sie die Differenz zwischen beobachteten und 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 den P-Wert

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

Hinweis: Die 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.

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.

Zusätzliche Ressourcen

Eine Einführung in den Chi-Quadrat-Anpassungstest
Rechner für Chi-Quadrat-Anpassungstests
Eine Erklärung der P-Werte und der statistischen Signifikanz