Cara menemukan nilai kritis chi kuadrat dengan python

Saat Anda melakukan uji Chi-kuadrat, Anda mendapatkan statistik uji. Untuk menentukan apakah hasil uji Chi-kuadrat signifikan secara statistik, Anda dapat membandingkan statistik uji tersebut dengan nilai kritis Chi-kuadrat . Jika statistik uji lebih besar dari nilai kritis Chi-square, maka hasil pengujian tersebut signifikan secara statistik.

Nilai kritis Chi-kuadrat dapat diketahui dengan menggunakan tabel distribusi Chi-kuadrat atau dengan menggunakan perangkat lunak statistik.

Untuk mencari nilai kritis chi-kuadrat, Anda memerlukan:

• Tingkat signifikansi (pilihan umum adalah 0,01, 0,05, dan 0,10)
• Derajat kebebasan

Dengan menggunakan kedua nilai ini, Anda dapat menentukan nilai Chi-kuadrat untuk dibandingkan dengan statistik uji.

Cara Menemukan Nilai Kritis Chi Kuadrat dengan Python

Untuk menemukan nilai kritis Chi-kuadrat dengan Python, Anda dapat menggunakan fungsi scipy.stats.chi2.ppf() , yang menggunakan sintaks berikut:

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

Emas:

• q: Tingkat signifikansi untuk digunakan
• df : Derajat kebebasan

Fungsi ini mengembalikan nilai kritis distribusi Chi-kuadrat berdasarkan tingkat signifikansi dan derajat kebebasan yang diberikan.

Misalnya, kita ingin mencari nilai chi-kuadrat kritis untuk tingkat signifikansi 0,05 dan derajat kebebasan = 11.

 import scipy.stats

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

19.67514

Nilai kritis chi-kuadrat untuk tingkat signifikansi 0,05 dan derajat kebebasan = 11 adalah 19,67514 .

Jadi jika kita melakukan beberapa jenis uji Chi-kuadrat, kita dapat membandingkan statistik uji Chi-kuadrat dengan 19.67514 . Jika statistik uji lebih besar dari 19,67514, maka hasil pengujian tersebut signifikan secara statistik.

Perhatikan bahwa nilai alpha yang lebih kecil akan menghasilkan nilai kritis Chi-kuadrat yang lebih tinggi. Misalnya, perhatikan nilai chi-kuadrat kritis untuk tingkat signifikansi 0,01 dan derajat kebebasan = 11.

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

24.72497

Dan pertimbangkan nilai Chi-kuadrat kritis dengan derajat kebebasan yang sama persis, tetapi dengan tingkat signifikansi 0,005 :

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

Lihat dokumentasi SciPy untuk mengetahui detail pasti tentang fungsi chi2.ppf().