วิธีค้นหาค่า chi square ที่สำคัญใน python

เมื่อคุณทำการทดสอบไคสแควร์ คุณจะได้รับสถิติการทดสอบ หากต้องการทราบว่าผลการทดสอบไคสแควร์มีนัยสำคัญทางสถิติหรือไม่ คุณสามารถเปรียบเทียบสถิติการทดสอบกับ ค่าไคสแควร์วิกฤตได้ หากสถิติการทดสอบมากกว่าค่าไคสแควร์วิกฤต ผลการทดสอบจะมีนัยสำคัญทางสถิติ

ค่าไคสแควร์ที่สำคัญสามารถพบได้โดยใช้ ตารางการแจกแจงไคสแควร์ หรือโดยใช้ซอฟต์แวร์ทางสถิติ

ในการค้นหาค่าไคสแควร์วิกฤต คุณต้องมี:

• ระดับนัยสำคัญ (ตัวเลือกทั่วไปคือ 0.01, 0.05 และ 0.10)
• ระดับความอิสระ

เมื่อใช้ค่าทั้งสองนี้ คุณสามารถกำหนดค่าไคสแควร์เพื่อเปรียบเทียบกับสถิติการทดสอบได้

วิธีค้นหาค่า Chi Square ที่สำคัญใน Python

หากต้องการค้นหาค่าไคสแควร์ที่สำคัญใน Python คุณสามารถใช้ ฟังก์ชัน scipy.stats.chi2.ppf() ซึ่งใช้ไวยากรณ์ต่อไปนี้

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

ทอง:

• ถาม: ระดับความสำคัญที่จะใช้
• df : องศาความเป็นอิสระ

ฟังก์ชันนี้ส่งคืนค่าวิกฤตของการแจกแจงแบบไคสแควร์ตามระดับนัยสำคัญและระดับความเป็นอิสระที่ระบุ

ตัวอย่างเช่น สมมติว่าเราต้องการค้นหาค่าไคสแควร์วิกฤตสำหรับระดับนัยสำคัญ 0.05 และดีกรีอิสระ = 11

 import scipy.stats

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

19.67514

ค่าไคสแควร์วิกฤตสำหรับระดับนัยสำคัญ 0.05 และองศาอิสระ = 11 คือ 19.67514

ดังนั้น หากเราทำการทดสอบไคสแควร์บางประเภท เราก็สามารถเปรียบเทียบสถิติการทดสอบไคสแควร์กับ 19.67514 ได้ หากสถิติการทดสอบมากกว่า 19.67514 แสดงว่าผลการทดสอบมีนัยสำคัญทางสถิติ

โปรดทราบว่าค่าอัลฟ่าที่น้อยกว่าจะส่งผลให้ค่าไคสแควร์วิกฤตสูงขึ้น ตัวอย่างเช่น พิจารณาค่าไคสแควร์วิกฤตสำหรับระดับนัยสำคัญที่ 0.01 และองศาอิสระ = 11

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

24.72497

และพิจารณาค่าไคสแควร์วิกฤตด้วยดีกรีอิสระเท่ากันทุกประการ แต่มีระดับนัยสำคัญเท่ากับ 0.005 :

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

โปรดดู เอกสารประกอบของ SciPy สำหรับรายละเอียดที่แน่นอนของฟังก์ชัน chi2.ppf()