Hoe u de kritische chi-kwadraatwaarde in python kunt vinden

Wanneer u een Chi-kwadraattoets uitvoert, krijgt u een toetsingsstatistiek. Om te bepalen of de resultaten van de Chi-kwadraattoets statistisch significant zijn, kunt u de teststatistieken vergelijken met een kritische Chi-kwadraatwaarde . Als de teststatistiek groter is dan de kritische Chi-kwadraatwaarde, zijn de testresultaten statistisch significant.

De kritische Chi-kwadraatwaarde kan worden gevonden met behulp van een Chi-kwadraatverdelingstabel of met behulp van statistische software.

Om de kritische chikwadraatwaarde te vinden, hebt u het volgende nodig:

• Een significantieniveau (veel voorkomende keuzes zijn 0,01, 0,05 en 0,10)
• Graden van vrijheid

Met behulp van deze twee waarden kunt u de Chi-kwadraatwaarde bepalen die u kunt vergelijken met de teststatistiek.

Hoe u de kritische Chi-kwadraatwaarde in Python kunt vinden

Om de kritische Chi-kwadraatwaarde in Python te vinden, kun je de functie scipy.stats.chi2.ppf() gebruiken, die de volgende syntaxis gebruikt:

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

Goud:

• V: Het significantieniveau dat moet worden gebruikt
• df : Vrijheidsgraden

Deze functie retourneert de kritische waarde van de Chi-kwadraatverdeling op basis van het significantieniveau en de opgegeven vrijheidsgraden.

Stel dat we bijvoorbeeld de kritische chikwadraatwaarde willen vinden voor een significantieniveau van 0,05 en vrijheidsgraden = 11.

 import scipy.stats

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

19.67514

De kritische chikwadraatwaarde voor een significantieniveau van 0,05 en vrijheidsgraden = 11 is 19,67514 .

Dus als we een soort Chi-kwadraattoets uitvoeren, kunnen we de Chi-kwadraattoetsstatistiek vergelijken met 19,67514 . Als de teststatistiek groter is dan 19,67514, zijn de testresultaten statistisch significant.

Houd er rekening mee dat kleinere alfawaarden resulteren in hogere kritische Chi-kwadraatwaarden. Beschouw bijvoorbeeld de kritische chikwadraatwaarde voor een significantieniveau van 0,01 en vrijheidsgraden = 11.

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

24.72497

En beschouw de kritische Chi-kwadraatwaarde met precies dezelfde vrijheidsgraden, maar met een significantieniveau van 0,005 :

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

Raadpleeg de SciPy-documentatie voor de exacte details van de functie chi2.ppf().