လက်တွေ့ဘဝတွင် chi-square စမ်းသပ်မှုများကို အသုံးပြုခြင်း နမူနာ ၄

စာရင်းဇယားများတွင်၊ Chi-square စမ်းသပ်မှု နှစ်မျိုးရှိသည်။

1. Chi-square goodness-of-fit test – အမျိုးအစားခွဲကိန်းရှင်တစ်ခုသည် တွေးခေါ်မှုဆိုင်ရာ ဖြန့်ဝေမှုကို လိုက်နာခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။

2. Chi Square Test of Independence – အမျိုးအစားအလိုက် ကိန်းရှင်နှစ်ခုကြားတွင် သိသာထင်ရှားသော ဆက်စပ်မှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။

ဤဆောင်းပါးတွင်၊ ဤ Chi-square စမ်းသပ်မှုအမျိုးအစားတစ်ခုစီကို လက်တွေ့ကမ္ဘာအခြေအနေများတွင် မည်သို့အသုံးပြုကြောင်း ဥပမာများစွာကို မျှဝေပါသည်။

ဥပမာ 1- Chi-square goodness-of-fit test

စတိုးဆိုင်ပိုင်ရှင်တစ် ဦးသည် တစ်ပတ်လျှင် ဖောက်သည်အရေအတွက် ညီတူညီမျှ သူ့ဆိုင်သို့ လာသည်ဟု ဆိုပါစို့။

ဤယူဆချက်ကို စမ်းသပ်ရန်၊ သူသည် သတ်မှတ်ရက်သတ္တပတ်တစ်ခုအတွင်း စတိုးဆိုင်သို့လာရောက်သော ဖောက်သည်အရေအတွက်ကို မှတ်တမ်းတင်ပြီး အောက်ပါတို့ကို တွေ့ရှိသည်-

• တနင်္လာနေ့- ဖောက်သည် ၅၀
• အင်္ဂါနေ့- ဖောက်သည် ၆၀
• ဗုဒ္ဓဟူးနေ့- ဖောက်သည် ၄၀
• ကြာသပတေးနေ့: ဖောက်သည် 47
• သောကြာနေ့: ဖောက်သည် 53 ဦး

သူသည် နေ့စဥ်လာရောက်သော ဖောက်သည်များ၏ ဖြန့်ဖြူးမှုသည် သူ၏ ဖြန့်ဖြူးမှုယူဆချက်နှင့် ကိုက်ညီမှုရှိမရှိ ဆုံးဖြတ်ရန် chi-square goodness-of-fit test ကို အသုံးပြုနိုင်သည်။

chi-square goodness-of-fit test calculator ကို အသုံးပြု၍ စာမေးပွဲ၏ p-value သည် 0.359 ဖြစ်သည်ကို သူတွေ့နိုင်သည်။

ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ စတိုးပိုင်ရှင်မှတောင်းဆိုထားသည့်ဖောက်သည်များ၏စစ်မှန်သောဖြန့်ဖြူးမှုသည်ကွဲပြားကြောင်းတောင်းဆိုရန်လုံလောက်သောအထောက်အထားမရှိပါ။

ဥပမာ 2- Chi-square goodness-of-fit test

ဇီဝဗေဒပညာရှင်တစ်ဦးမှ တစ်ပတ်လျှင် သမင်မျိုးစိတ်လေးမျိုးနှင့် ညီမျှသောအရေအတွက်သည် သစ်တောတစ်ခု၏ သစ်တောဧရိယာအတွင်းသို့ ဝင်ရောက်သည်ဟု ဆိုပါစို့။

ဤယူဆချက်ကို စမ်းသပ်ရန်အတွက် တစ်ပတ်တာကာလအတွင်း သစ်တောဧရိယာအတွင်း ဝင်ရောက်လာသော သမင်မျိုးစိတ်တစ်ခုစီ၏ အရေအတွက်ကို မှတ်တမ်းတင်ထားသည်-

• #1: 22 မျိုးစိတ်
• #2: 20 မျိုးစိတ်
• #3: 23 မျိုးစိတ်
• #4: 35 မျိုးစိတ်

သီတင်းတစ်ပတ်လျှင် သစ်တောဧရိယာအတွင်းသို့ ဝင်ရောက်သော သမင်မျိုးစိတ်များ ဖြန့်ဝေမှုသည် ၎င်း၏ယူဆချက် ဖြန့်ဖြူးမှုနှင့် ကိုက်ညီမှုရှိမရှိ ဆုံးဖြတ်ရန် chi-square goodness-of-fit test ကို အသုံးပြုနိုင်သည်။

Chi-square goodness-of-fit test calculator ကို အသုံးပြု၍ စာမေးပွဲအတွက် p-value သည် 0.137 ဖြစ်ကြောင်း သူမ သိနိုင်သည်။

ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ သမင်၏အစစ်အမှန်ဖြန့်ဖြူးမှုသည် ဇီဝဗေဒပညာရှင်မှတောင်းဆိုထားသည့်အရာနှင့် ကွဲပြားသည်ဟုဆိုရန် လုံလောက်သောအထောက်အထားမရှိပါ။

ဥပမာ 3- Chi-square လွတ်လပ်ရေးစမ်းသပ်မှု

မြို့တစ်မြို့ရှိ မူဝါဒချမှတ်သူတစ်ဦးသည် နိုင်ငံရေး ပါတီတစ်ခု၏ လိုလားချက်နှင့် ကျား-မ ဆက်စပ်မှုရှိ၊ မရှိ သိလိုသည်ဆိုပါစို့။

သူသည် မဲဆန္ဒရှင် ၅၀၀ ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ယူကာ ၎င်းတို့၏ နိုင်ငံရေး ပါတီ နှစ်သက်ရာအကြောင်း မေးမြန်းရန် ဆုံးဖြတ်ခဲ့သည်။ အောက်ပါဇယားသည် စစ်တမ်း၏ရလဒ်များကို ဖော်ပြသည်။

ကိန်းရှင်နှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ဆက်နွယ်မှုရှိမရှိ ဆုံးဖြတ်ရန် ၎င်းသည် လွတ်လပ်မှု chi-square စမ်းသပ်မှုကို အသုံးပြုနိုင်သည်။

Chi-square လွတ်လပ်မှုစမ်းသပ်ဂဏန်းတွက်စက်ကို အသုံးပြု၍ စာမေးပွဲ၏ p-value သည် 0.649 ဖြစ်သည်ကို သူတွေ့မြင်နိုင်သည်။

p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ ကျားမနှင့်နိုင်ငံရေးပါတီနှစ်ခြိုက်မှုကြားတွင် ဆက်စပ်မှုရှိနေသည်ဟုဆိုရန် လုံလောက်သောအထောက်အထားမရှိပါ။

ဥပမာ 4- Chi-square လွတ်လပ်ရေးစမ်းသပ်မှု

အိမ်ထောင်ရေးအခြေအနေသည် ပညာရေးအောင်မြင်မှုနှင့် ဆက်စပ်မှုရှိမရှိကို သုတေသီတစ်ဦးမှ သိချင်သည်ဆိုပါစို့။

လူ 300 ၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ယူရန် ဆုံးဖြတ်ပြီး အောက်ပါရလဒ်များကို ရရှိသည်-

ကိန်းရှင်နှစ်ခုကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ဆက်နွယ်မှုရှိမရှိ ဆုံးဖြတ်ရန် ၎င်းသည် လွတ်လပ်မှု chi-square စမ်းသပ်မှုကို အသုံးပြုနိုင်သည်။

Chi-square လွတ်လပ်မှုစမ်းသပ်ဂဏန်းတွက်စက်ကို အသုံးပြု၍ စာမေးပွဲ၏ p-တန်ဖိုးသည် 0.000011 ဖြစ်ကြောင်း သူတွေ့မြင်နိုင်သည်။

p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ အိမ်ထောင်ရေးအဆင့်အတန်းနှင့် ပညာရေးအဆင့်ကြားတွင် ဆက်စပ်မှုရှိသည်ဟုဆိုရန် လုံလောက်သောအထောက်အထားရှိပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Chi-square စမ်းသပ်မှု အမျိုးအစားများကို မိတ်ဆက်ပေးသည်-

• လွတ်လပ်ရေး၏ Chi-square စမ်းသပ်မှု
• Chi-square ကောင်းမွန်မှု-အံဝင်ခွင်ကျစမ်းသပ်မှု

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် Chi-square စမ်းသပ်မှုများနှင့် အခြားသော ကိန်းဂဏန်းဆိုင်ရာ စမ်းသပ်မှုများကြား ခြားနားချက်ကို ရှင်းပြသည်-

• Chi-square စမ်းသပ်မှုနှင့် T စမ်းသပ်မှု
• Chi square test နှင့် ANOVA