Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce w\u0142a\u015bciciel sklepu twierdzi, \u017ce ka\u017cdego dnia tygodnia do jego sklepu przychodzi taka sama liczba klient\u00f3w.<\/span><\/p>\n Aby przetestowa\u0107 t\u0119 hipotez\u0119, niezale\u017cny badacz rejestruje liczb\u0119 klient\u00f3w, kt\u00f3rzy przychodz\u0105 do sklepu w danym tygodniu i stwierdza, co nast\u0119puje:<\/span><\/p>\n Mo\u017cemy wykona\u0107 test dobroci dopasowania chi-kwadrat, aby ustali\u0107, czy dane s\u0105 zgodne z twierdzeniem w\u0142a\u015bciciela sklepu.<\/span><\/p>\n Ten przyk\u0142ad pokazuje krok po kroku, jak przeprowadzi\u0107 test zgodno\u015bci chi-kwadrat w Arkuszach Google.<\/span><\/p>\n Najpierw wprowad\u017amy dane do Arkuszy Google w nast\u0119puj\u0105cym formacie:<\/span> <\/p>\n Uwaga:<\/strong> \u0142\u0105cznie by\u0142o 250 klient\u00f3w. Je\u015bli w\u0142a\u015bciciel sklepu spodziewa si\u0119, \u017ce ka\u017cdego dnia do sklepu wejdzie taka sama liczba klient\u00f3w, b\u0119dzie mia\u0142 50 klient\u00f3w dziennie.<\/span><\/p>\n Statystyka testu Chi-kwadrat dla testu dobroci dopasowania wynosi X 2<\/sup> = \u03a3(OE) 2<\/sup> \/ E.<\/strong><\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Poni\u017cszy wz\u00f3r pokazuje, jak obliczy\u0107 (OE) 2<\/sup> \/E<\/strong> dla ka\u017cdego wiersza:<\/span> <\/p>\n Na koniec obliczymy statystyk\u0119 testu Chi-kwadrat oraz odpowiadaj\u0105c\u0105 jej warto\u015b\u0107 p, korzystaj\u0105c z nast\u0119puj\u0105cych wzor\u00f3w:<\/span> <\/p>\n Uwaga:<\/strong> Funkcja CHISQ.DIST.RT(x, deg_freedom)<\/strong> zwraca prawid\u0142owe prawdopodobie\u0144stwo rozk\u0142adu Chi-kwadrat powi\u0105zanego ze statystyk\u0105 testow\u0105 x<\/strong> i pewnym stopniem swobody. Stopnie swobody oblicza si\u0119 jako n-1. W tym przypadku deg_freedom = 5 \u2013 1 = 4.<\/span><\/p>\n Statystyka testu X2<\/sup> dla testu wynosi 4,36<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi 0,3595<\/strong> .<\/span><\/p>\n Poniewa\u017c ta warto\u015b\u0107 p jest nie mniejsza ni\u017c 0,05, nie mo\u017cemy odrzuci\u0107 hipotezy zerowej. Oznacza to, \u017ce nie mamy wystarczaj\u0105cych dowod\u00f3w, aby stwierdzi\u0107, \u017ce prawdziwy rozk\u0142ad klient\u00f3w r\u00f3\u017cni si\u0119 od tego podawanego przez w\u0142a\u015bciciela sklepu.<\/span><\/p>\n Wprowadzenie do testu dobroci dopasowania chi-kwadrat<\/a> Test dobroci dopasowania chi-kwadrat s\u0142u\u017cy do okre\u015blenia, czy zmienna kategoryczna ma rozk\u0142ad hipotetyczny. Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce w\u0142a\u015bciciel sklepu twierdzi, \u017ce ka\u017cdego dnia tygodnia do jego sklepu przychodzi taka sama liczba klient\u00f3w. Aby przetestowa\u0107 t\u0119 hipotez\u0119, niezale\u017cny badacz rejestruje liczb\u0119 klient\u00f3w, kt\u00f3rzy przychodz\u0105 do sklepu w danym tygodniu i stwierdza, co nast\u0119puje: Poniedzia\u0142ek: 50 klient\u00f3w […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1436","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Krok 1: Utw\u00f3rz dane<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles1.png\")
<\/p>\n Krok 2: Oblicz r\u00f3\u017cnic\u0119 mi\u0119dzy warto\u015bciami obserwowanymi i oczekiwanymi<\/strong><\/span><\/h3>\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles2.png\")
<\/p>\n Krok 3: Oblicz warto\u015b\u0107 P<\/strong><\/span><\/h3>\n
![\"Test](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/chifeuilles3.png\")
<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Kalkulator testu dobroci dopasowania chi-kwadrat<\/a>
Wyja\u015bnienie warto\u015bci P i istotno\u015bci statystycznej<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"