Angenommen, ein Ladenbesitzer behauptet, dass an jedem Tag der Woche gleich viele Kunden in sein Gesch\u00e4ft kommen.<\/span><\/p>\n Um diese Hypothese zu testen, erfasst ein unabh\u00e4ngiger Forscher die Anzahl der Kunden, die in einer bestimmten Woche in den Laden kommen, und stellt Folgendes fest:<\/span><\/p>\n Wir k\u00f6nnen einen Chi-Quadrat-Anpassungstest durchf\u00fchren, um festzustellen, ob die Daten mit der Behauptung des Ladenbesitzers \u00fcbereinstimmen.<\/span><\/p>\n Dieses Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie in Google Sheets einen Chi-Quadrat-Anpassungstest durchf\u00fchren.<\/span><\/p>\n Geben wir zun\u00e4chst die Daten im folgenden Format in Google Sheets ein:<\/span> <\/p>\n Hinweis:<\/strong> Insgesamt gab es 250 Kunden. Wenn der Ladenbesitzer erwartet, dass jeden Tag die gleiche Anzahl Kunden das Gesch\u00e4ft betritt, w\u00fcrde er mit 50 Kunden pro Tag rechnen.<\/span><\/p>\n Die Chi-Quadrat-Teststatistik f\u00fcr den Anpassungstest ist X 2<\/sup> = \u03a3(OE) 2<\/sup> \/ E.<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Die folgende Formel zeigt, wie (OE) 2<\/sup> \/E<\/strong> f\u00fcr jede Zeile berechnet wird:<\/span> <\/p>\n Abschlie\u00dfend berechnen wir die Chi-Quadrat-Teststatistik sowie den entsprechenden p-Wert mithilfe der folgenden Formeln:<\/span> <\/p>\n Hinweis:<\/strong> Die Funktion CHISQ.DIST.RT(x, deg_freedom)<\/strong> gibt die richtige Wahrscheinlichkeit der Chi-Quadrat-Verteilung zur\u00fcck, die einer Teststatistik x<\/strong> und einem bestimmten Freiheitsgrad zugeordnet ist. Die Freiheitsgrade werden als n-1 berechnet. In diesem Fall ist deg_freedom = 5 \u2013 1 = 4.<\/span><\/p>\n Die X2-<\/sup> Teststatistik f\u00fcr den Test betr\u00e4gt 4,36<\/strong> und der entsprechende p-Wert betr\u00e4gt 0,3595<\/strong> .<\/span><\/p>\n Da dieser p-Wert nicht kleiner als 0,05 ist, k\u00f6nnen wir die Nullhypothese nicht ablehnen. Das bedeutet, dass uns nicht gen\u00fcgend Beweise daf\u00fcr vorliegen, dass sich die tats\u00e4chliche Kundenverteilung von der vom Ladenbesitzer gemeldeten unterscheidet.<\/span><\/p>\n Eine Einf\u00fchrung in den Chi-Quadrat-Anpassungstest<\/a> 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 Gesch\u00e4ft kommen. Um diese Hypothese zu testen, erfasst ein unabh\u00e4ngiger Forscher die Anzahl der Kunden, die in einer bestimmten Woche in den Laden kommen, und […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Schritt 1: Erstellen Sie die Daten<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles1.png\")
<\/p>\n Schritt 2: Berechnen Sie die Differenz zwischen beobachteten und erwarteten Werten<\/strong><\/span><\/h3>\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles2.png\")
<\/p>\n Schritt 3: Berechnen Sie den P-Wert<\/strong><\/span><\/h3>\n
![\"Chi-Quadrat-Test](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles3.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Rechner f\u00fcr Chi-Quadrat-Anpassungstests<\/a>
Eine Erkl\u00e4rung der P-Werte und der statistischen Signifikanz<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"