la función CHITEST

Conteúdo

Por tanto, la distribución chi-cuadrado tiene un parámetro: kun entero positivo que especifica el número de grados de libertad.

como dito anteriormente, la distribución de chi-cuadrado se utiliza principalmente en la prueba de hipótesis. A diferencia de distribuciones más reconocidas, como la distribución normal y la distribución exponencial, la distribución chi-cuadrado rara vez se utiliza para modelar fenómenos naturales. Surge en las siguientes pruebas de hipótesis, entre outras.

El motivo principal por la que la distribución chi-cuadrado se utiliza ampliamente en la prueba de hipótesis es su vinculación con la distribución normal. Muchas pruebas de hipótesis usan una estadística de prueba, como o t estadística en un teste t. Para estas pruebas de hipótesis, como o tamanho da amostra, Norte, aumenta, la distribución muestral del estadístico de prueba se aproxima a la distribución normal (Teorema do limite central). Dado que la estadística de prueba (O que t) dispone de una distribución asintóticamente normal, siempre que el tamaño de la muestra sea lo suficientemente grande, la distribución utilizada para la prueba de hipótesis puede aproximarse a través de una distribución normal. Probar hipótesis usando una distribución normal se comprende bien y es relativamente fácil. La distribución chi-cuadrado más simple es el cuadrado de una distribución normal estándar. Então, siempre que se pueda utilizar una distribución normal para una prueba de hipótesis, se podría utilizar una distribución de chi cuadrado.

Se dice que una distribución chi-cuadrado construida al elevar al cuadrado una única distribución normal estándar tiene 1 grado de libertad, etc.

Esta función devuelve la prueba de independencia. CHITEST devuelve el valor de chi-cuadrado (χ2) distribución para la estadística y los grados de libertad apropiados. Puedes utilizar χ2 pruebas para establecer si los resultados hipotéticos se verifican a través de un experimento.

Assine a nossa newsletter

Nós não enviaremos SPAM para você. Nós odiamos isso tanto quanto você.