Sisältö
Tilastot ovat todennäköisyyden tutkimus, jota käytetään tapahtuman todennäköisyyden määrittämiseen. On monia erilaisia tapoja testata todennäköisyys ja tilastot, joista yksi tunnetuimpia on Chi-Square-testi. Kuten kaikki tilastotestit, Chi-Square-testissä on otettava huomioon vapausasteet ennen tilastollisen päätöksen tekemistä.
Hyvä istuvuus
Chi-neliöllä testataan ja verrataan kahta erityyppistä dataa: havaitut tiedot ja odotetut tiedot. Se mittaa niin sanottua hyvyyttä sopivuuteen, mikä on ero odottamasi ja havaitun välillä. Esimerkiksi tilastollisesti sanottuna, jos käännät kolikon 50 kertaa, sinun pitäisi saada 25 päätä ja 25 hännää. Kuitenkin, käännät kolikon 50 kertaa ja se laskeutuu pyrstöön 19 kertaa ja pyrstään 31 kertaa. Tietoja käyttämällä tilastotieteilijä pystyi teorioimaan miksi nämä erot syntyivät.
Vapauden asteet
Vapausasteet ovat tilastossa olevien arvojen lukumäärän mittauksia, jotka voivat vapaasti vaihdella vaikuttamatta tilastotulokseen. Tilastolliset testit, mukaan lukien Chi-Square, perustuvat usein erittäin tarkkoihin arvioihin, jotka perustuvat moniin tärkeisiin tietoihin. Tilastotieteilijät käyttävät näitä arvioita luodakseen tilastollisia kaavoja, jotka laskevat tilastollisen analyysin lopputuloksen. Analysoinnissa käytetyt tiedot voivat vaihdella, mutta aina on oltava ainakin yksi kiinteä tietoryhmä; loput luokat ovat vapausasteita. Tämä on tärkeää, koska vaikka tilastotiede on matemaattinen tiede, se perustuu usein hypoteeseihin, joita voi olla vaikea laskea tarkasti.
laskettaessa
Laskemalla vapausasteet Chi-Square-testissä on hyvin yksinkertainen. Selvitä, kuinka monta luokkaa sinulla on tilastollisessa analyysissasi, ja vähennä se kerrallaan. Kuvittele esimerkiksi, että tutkit norsujen odotettua syntyvyyttä verrattuna havaittuun syntyvyysasteeseen. Ryhmiin kuuluvat äidin ikä, isän ikä ja syntyneiden lasten sukupuoli. Se antaa sinulle kolme luokkaa tutkimuksessasi. Vähennä yksi siitä, niin saat kaksi vapauden astetta. Periaatteessa mitä enemmän luokkia sinulla on tutkimuksessa, sitä enemmän vapausasteita sinun täytyy kokeilla myöhemmässä tilastollisessa analyysissä.
Merkitys
Vapausasteet ovat tärkeitä Chi-Square-testissä, koska havaitut tulokset eroavat usein huomattavasti odotettuista tuloksista, ja näitä vapausasteita tarvitaan erilaisten hypoteettisten tilanteiden testaamiseen. Periaatteessa voit ottaa keräämäsi tiedot analyysiisi ja käyttää niitä uudelleen uuden tilastollisen analyysin suorittamiseen. Nämä uudet tutkimukset voivat auttaa selittämään erot odotettujen tulosten ja havaittujen tulosten välillä paremmin.