İçerik
Daha düzgün bir şekilde Pearsons ki-kare testi olarak bilinen ki-kare testi, verilerin istatistiksel olarak değerlendirilmesinin bir yoludur. Bir örneklemeden elde edilen kategorik veriler beklenen veya "doğru" sonuçlarla karşılaştırıldığında kullanılır. Örneğin, bir çöp kutusundaki tüm jöleli fasulyelerin yüzde 50'sinin kırmızı olduğuna inanırsak, o çöp kutusundan 100 tane fasulyeden oluşan bir örnek, yaklaşık olarak kırmızı olan 50 tane içermelidir. Eğer sayımız 50'den farklı ise, Pearsons testi yüzde 50 varsayımımızın şüpheli olup olmadığını ya da gördüğümüz farkı normal rastgele varyasyona bağlayabildiğimizi söyler.
Ki-Kare Değerlerini Yorumlama
Ki-kare değerinizin serbestlik derecesini belirleyin. Birden fazla kategoriye sahip tek bir örnek için sonuçları karşılaştırıyorsanız, serbestlik derecesi kategori eksi 1 sayısıdır. Örneğin, bir kavanozun içindeki jöle kabın içindeki renklerin dağılımını değerlendiriyorsanız ve dört renk varsa, serbestlik 3 olacaktır. Eğer tablo verilerini karşılaştırıyorsanız, serbestlik dereceleri eksi 1 sütun sayısı eksi 1 sütun sayısı ile çarpılır.
Verilerinizi değerlendirmek için kullanacağınız kritik p değerini belirleyin. Bu, sadece tesadüfen belli bir ki-kare değerinin elde edilme olasılığı (100'e bölünmüş). P'yi düşünmenin bir başka yolu, gözlemlenen sonuçlarınızın yalnızca örnekleme işlemindeki rastgele değişiklik nedeniyle yaptıkları miktardan beklenen sonuçlardan sapma olasılığıdır.
Ki-kare dağılım tablosunu kullanarak ki-kare test istatistiklerinizle ilişkili p değerini bulun. Bunu yapmak için, hesaplanmış serbestlik derecelerinize karşılık gelen satıra bakın. Test istatistiklerine en yakın olan bu satırdaki değeri bulun. Bu değeri içeren sütunu en üst satıra kadar yukarı doğru izleyin ve p değerini okuyun. Test istatistikleriniz ilk satırdaki iki değer arasındaysa, üst satırdaki iki p değeri arasındaki yaklaşık bir p değerini ortada okuyabilirsiniz.
Tablodan elde edilen p değerini önceden karar verilen kritik p değeri ile karşılaştırın. Eğer tablodaki p değeriniz kritik değerin üzerindeyse, örnek kategori değerleri ile beklenen değerler arasındaki herhangi bir sapmanın rastgele değişkenliğe bağlı olduğu ve anlamlı olmadığı sonucuna varacaksınız. Örneğin, kritik bir p değeri 0,05 (veya% 5) seçtiyseniz ve 0,20 değerinde bir tablo değeri bulduysanız, önemli bir değişiklik olmadığı sonucuna varacaksınız.