الاحتمالات والإحصاء · اختبار كاي تربيع

اختبار كاي تربيع

يفحص اختبار كاي تربيع ما إذا كانت التكرارات المرصودة في تجارب مستقلة تبتعد كثيرًا عن التكرارات التي تتوقعها الفرضية. نجمع ⁦(O − E)²/E⁩ على الفئات وعددها k، ثم نقارن المجموع ⁦X²⁩ بتوزيع كاي تربيع ذي ⁦k − 1⁩ درجة حرية.

كيف يظهر اختبار كاي تربيع في الرسم؟

ارمِ نردًا له kk أوجه NN مرة، بحيث تكون الرميات مستقلة. عدّ مرات ظهور كل وجه لتحصل على التكرارات المرصودة O1,…,OkO_1, \dots, O_k. إذا كان النرد متوازنًا فالتكرار المتوقع لكل وجه هو E=N/kE = N/k. لحساب إحصائية كاي تربيع X2=∑(O−E)2/EX^2 = \sum (O - E)^2/E، نربّع الفرق بين تكرار كل وجه وEE، ثم نقسمه على EE ونجمع الحدود. إذا كان النرد متوازنًا وكان عدد الرميات كافيًا، اتبع X2X^2 تقريبًا توزيع كاي تربيع ذي k−1k - 1 درجة حرية. وقيمة p هي المساحة تحت المنحنى إلى يمين القيمة المرصودة X2X^2. هنا تعرض الأعمدة الصفراء التكرارات ويشير الخط الداكن إلى EE، ويظهر المنحنى أسفلها.

لماذا نقسم كل حد على E؟

عندما يزيد التكرار المرصود على المتوقع بمقدار 9، يكون الفرق لافتًا إذا كان E=10E = 10، ويكاد لا يُلحظ إذا كان E=1000E = 1000. يزداد مقدار التقلّب العشوائي بزيادة التكرار: ففي النرد المتوازن تباين تكرار كل وجه هو E(1−1/k)E(1 - 1/k)، وهو قريب من EE. بقسمة مربّع الفرق على EE توضع الأوجه كلها على مقياس واحد، ويمثّل الحد القريب من 1 تقلّبًا عاديًا. يعطي التربيع وزنًا كبيرًا للانحراف الكبير: في مثال النرد السداسي تسهم مرات ظهور الستة التسع عشرة بمقدار 8.1 من المجموع X2=11.2X^2 = 11.2.

لماذا يساوي عدد درجات الحرية ⁦k − 1⁩؟

يساوي مجموع التكرارات NN، ولذلك يساوي مجموع الفروق O−EO - E صفرًا. ما إن نعرف k−1k - 1 منها حتى يتحدد الفرق الأخير. في النرد المتوازن يساوي متوسط X2X^2 القيمة k−1k - 1 بالضبط، لذا تصبح قيمة X2X^2 نفسها أقل غرابة مع زيادة عدد الأوجه. تتجاوز 11.2 القيمة الحرجة عند 5% لنرد سداسي (⁦p ≈ 0.048⁩)، لكنها عادية لنرد له 12 وجهًا (⁦p ≈ 0.43⁩). ولتفسير قيمة p، انظر اختبار الفرضيات والقيم الاحتمالية.

متى يمكن الاعتماد على المنحنى؟

إذا كان النرد متوازنًا، فلا يأخذ X2X^2 إلا قيمًا محددة. لذلك يتكوّن توزيعه الفعلي من قمم منفصلة، ويقرّب منحنى كاي تربيع شكلها عند زيادة NN. يتيح تكرار مجموعة الرميات بنرد متوازن تقدير احتمال الذيل الفعلي مباشرة. إذا كان التكرار المتوقع لكل وجه 10، تقارب التقدير مع المنحنى، أما مع 6 رميات فقط فيختلفان. ومن القواعد التقريبية الشائعة أن يكون التكرار المتوقع لكل فئة نحو 5 على الأقل. وعند ضرب كل تكرار في عشرة يُضرب X2X^2 في عشرة أيضًا، فيصبح حتى الانحراف الطفيف ذا دلالة إحصائية إذا كفت الرميات المستقلة. يقيس X2X^2 قوة الدليل ضد فرضية توازن النرد، لا مقدار انحيازه. ولا تعني قيمة p الكبيرة سوى أن هذه التكرارات لا تكفي للكشف عن انحيازه.

ملاحظات

  • إذا أسندت الفرضية إلى الفئات احتمالات مختلفة pip_i، كانت التكرارات المتوقعة Ei=NpiE_i = N p_i، وبقيت بقية الخطوات كما هي.

أدوات التحكم

  • اضغط أو اسحب فوق أحد الأوجه لضبط تكراره. أما الضغط على رقمه أسفل المحور فيحدّد الوجه فقط.

مواضيع ذات صلة