{"id":1129,"date":"2023-07-27T13:39:32","date_gmt":"2023-07-27T13:39:32","guid":{"rendered":"https:\/\/statorials.org\/pl\/test-niezaleznosci-chi-kwadrat-w-r\/"},"modified":"2023-07-27T13:39:32","modified_gmt":"2023-07-27T13:39:32","slug":"test-niezaleznosci-chi-kwadrat-w-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/test-niezaleznosci-chi-kwadrat-w-r\/","title":{"rendered":"Test niezale\u017cno\u015bci chi-kwadrat w r (z przyk\u0142adami)"},"content":{"rendered":"

<\/p>\n

\n

Test niezale\u017cno\u015bci chi-kwadrat<\/a> s\u0142u\u017cy do okre\u015blenia, czy istnieje istotny zwi\u0105zek mi\u0119dzy dwiema zmiennymi kategorycznymi<\/a> .<\/span><\/p>\n

W tym samouczku wyja\u015bniono, jak wykona\u0107 test niezale\u017cno\u015bci chi-kwadrat w j\u0119zyku R.<\/span><\/p>\n

Przyk\u0142ad: test chi-kwadrat niezale\u017cno\u015bci w R<\/strong><\/span><\/h3>\n

Za\u0142\u00f3\u017cmy, \u017ce chcemy wiedzie\u0107, czy p\u0142e\u0107 jest powi\u0105zana z preferencj\u0105 partii politycznej. Bierzemy prost\u0105 losow\u0105 pr\u00f3b\u0119 500 wyborc\u00f3w i pytamy ich o preferencje dotycz\u0105ce partii politycznych. Wyniki badania prezentuje poni\u017csza tabela:<\/span><\/p>\n\n\n\n\n\n\n
<\/td>\n Republika\u0144ski<\/strong><\/span><\/td>\n Demokrata<\/strong><\/span><\/td>\n Niezale\u017cny<\/strong><\/span><\/td>\n Ca\u0142kowity<\/strong><\/span><\/td>\n<\/tr>\n
M\u0119\u017cczyzna<\/strong><\/span><\/td>\n 120<\/span><\/td>\n 90<\/span><\/td>\n 40<\/span><\/td>\n 250<\/span><\/td>\n<\/tr>\n
Kobieta<\/strong><\/span><\/td>\n 110<\/span><\/td>\n 95<\/span><\/td>\n 45<\/span><\/td>\n 250<\/span><\/td>\n<\/tr>\n
Ca\u0142kowity<\/strong><\/span><\/td>\n 230<\/span><\/td>\n 185<\/span><\/td>\n 85<\/span><\/td>\n 500<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Wykonaj poni\u017csze kroki, aby przeprowadzi\u0107 test niezale\u017cno\u015bci chi-kwadrat w R w celu ustalenia, czy p\u0142e\u0107 jest powi\u0105zana z preferencjami partii politycznych.<\/span><\/p>\n

Krok 1: Utw\u00f3rz dane.<\/strong><\/span><\/p>\n

Najpierw utworzymy tabel\u0119<\/a> do przechowywania naszych danych:<\/span><\/p>\n

 #create table<\/span>\ndata <- matrix(c(120, 90, 40, 110, 95, 45), ncol= 3<\/span> , byrow= TRUE<\/span> )\ncolnames(data) <- c(\" Rep<\/span> \",\" Dem<\/span> \",\" Ind<\/span> \")\nrownames(data) <- c(\" Male<\/span> \",\" Female<\/span> \")\ndata <- as.table<\/span> (data)\n\n#view table<\/span>\ndata\n\n       Rep Dem Ind\nMale 120 90 40\nFemale 110 95 45\n<\/strong><\/pre>\n
 Krok 2: Wykonaj test niezale\u017cno\u015bci chi-kwadrat.<\/strong><\/span><\/p>\n
 Nast\u0119pnie mo\u017cemy wykona\u0107 test niezale\u017cno\u015bci chi-kwadrat za pomoc\u0105 funkcji chisq.test()<\/strong> :<\/span><\/p>\n
 #Perform Chi-Square Test of Independence<\/span>\nchisq.test(data)\n\n\tPearson's Chi-squared test\n\ndata:data\nX-squared = 0.86404, df = 2, p-value = 0.6492\n<\/strong><\/pre>\n
 Spos\u00f3b interpretacji wyniku jest nast\u0119puj\u0105cy:<\/span><\/p>\n