Jak znaleźć krytyczną wartość chi square w pythonie

Kiedy wykonasz test Chi-kwadrat, otrzymasz statystykę testową. Aby określić, czy wyniki testu Chi-kwadrat są statystycznie istotne, można porównać statystyki testu z krytyczną wartością Chi-kwadrat . Jeśli statystyka testu jest większa niż krytyczna wartość Chi-kwadrat, wówczas wyniki testu są statystycznie istotne.

Krytyczną wartość chi-kwadrat można znaleźć, korzystając z tabeli rozkładu chi-kwadrat lub za pomocą oprogramowania statystycznego.

Aby znaleźć krytyczną wartość chi-kwadrat, potrzebujesz:

• Poziom istotności (najczęściej wybierane wartości to 0,01, 0,05 i 0,10)
• Stopnie swobody

Korzystając z tych dwóch wartości, można określić wartość Chi-kwadrat do porównania ze statystyką testową.

Jak znaleźć krytyczną wartość Chi Square w Pythonie

Aby znaleźć krytyczną wartość chi-kwadrat w Pythonie, możesz użyć funkcji scipy.stats.chi2.ppf() , która wykorzystuje następującą składnię:

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

Złoto:

• p: Poziom istotności, który należy zastosować
• df : Stopnie swobody

Ta funkcja zwraca wartość krytyczną rozkładu Chi-kwadrat w oparciu o podany poziom istotności i stopnie swobody.

Załóżmy na przykład, że chcemy znaleźć krytyczną wartość chi-kwadrat dla poziomu istotności 0,05 i stopni swobody = 11.

 import scipy.stats

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

19.67514

Krytyczna wartość chi-kwadrat dla poziomu istotności 0,05 i stopni swobody = 11 wynosi 19,67514 .

Jeśli więc przeprowadzimy jakiś rodzaj testu Chi-kwadrat, możemy porównać statystykę testu Chi-kwadrat z 19,67514 . Jeśli statystyka testu jest większa niż 19,67514, wówczas wyniki testu są istotne statystycznie.

Należy pamiętać, że mniejsze wartości alfa spowodują wyższe krytyczne wartości Chi-kwadrat. Rozważmy na przykład krytyczną wartość chi-kwadrat dla poziomu istotności 0,01 i stopni swobody = 11.

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

24.72497

Rozważmy krytyczną wartość chi-kwadrat z dokładnie tymi samymi stopniami swobody, ale na poziomie istotności 0,005 :

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

Dokładne szczegóły funkcji chi2.ppf() znajdują się w dokumentacji SciPy .