die CHITEST-Funktion

Teilen auf Facebook
Teilen auf twittern
Teilen auf verlinktin
Teilen auf Telegramm
Teilen auf WhatsApp

Inhalt

Deswegen, die Chi-Quadrat-Verteilung hat einen Parameter: k – eine positive ganze Zahl, die die Anzahl der Freiheitsgrade angibt.

Wie zuvor genannt, die Chi-Quadrat-Verteilung wird hauptsächlich beim Hypothesentesten verwendet. Im Gegensatz zu bekannteren Distributionen, als Normalverteilung und Exponentialverteilung, die Chi-Quadrat-Verteilung wird selten verwendet, um Naturphänomene zu modellieren. Es entsteht in den folgenden Hypothesentests, unter anderem.

Der Hauptgrund, warum die Chi-Quadrat-Verteilung bei Hypothesentests weit verbreitet ist, ist ihre Assoziation mit der Normalverteilung.. Viele Hypothesentests verwenden eine Teststatistik, als die T Statistik in a teste t. Für diese Hypothesentests, als Stichprobengröße, Norden, steigt, die Stichprobenverteilung der Teststatistik nähert sich der Normalverteilung (Zentraler Grenzwertsatz). Da die Teststatistik (Was T) es hat eine asymptotische Normalverteilung, vorausgesetzt, die Stichprobengröße ist groß genug, die für den Hypothesentest verwendete Verteilung kann durch eine Normalverteilung angenähert werden. Das Testen von Hypothesen unter Verwendung einer Normalverteilung ist gut verstanden und relativ einfach. Die einfachste Chi-Quadrat-Verteilung ist das Quadrat einer Standardnormalverteilung. Dann, vorausgesetzt, dass eine Normalverteilung für einen Hypothesentest verwendet werden kann, eine Chi-Quadrat-Verteilung könnte verwendet werden.

Eine Chi-Quadrat-Verteilung, die durch Quadrieren einer einzelnen Standardnormalverteilung konstruiert wird, heißt 1 Freiheitsgrad, etc.

Diese Funktion gibt den Unabhängigkeitstest zurück. CHITEST gibt den Chi-Quadrat-Wert zurück (χ2) Verteilung für Statistik und entsprechende Freiheitsgrade. Sie können verwenden χ2 Tests, um festzustellen, ob hypothetische Ergebnisse durch ein Experiment bestätigt werden.

Abonniere unseren Newsletter

Wir senden Ihnen keine SPAM-Mail. Wir hassen es genauso wie du.