Der Chi-Quadrat-Test in dieser Grafik
Wirf einen Würfel mit Seiten insgesamt -mal unabhängig voneinander. Zähle, wie oft jede Augenzahl fällt: Das sind die beobachteten Häufigkeiten . Ist der Würfel fair, beträgt die erwartete Häufigkeit je Augenzahl . Die Chi-Quadrat-Statistik addiert für jede Augenzahl die quadrierte Abweichung von , geteilt durch . Bei einem fairen Würfel und genügend vielen Würfen folgt näherungsweise einer Chi-Quadrat-Verteilung mit Freiheitsgraden. Der p-Wert ist die Fläche unter der Kurve rechts vom beobachteten . Die gelben Balken zeigen die Häufigkeiten, die dunkle Linie markiert . Darunter siehst du die Kurve.
Warum jeder Beitrag durch E geteilt wird
Eine Häufigkeit, die den Erwartungswert um 9 übersteigt, ist bei auffällig und bei kaum der Rede wert. Zufällige Schwankungen wachsen mit der erwarteten Häufigkeit: Bei einem fairen Würfel hat die Häufigkeit jeder Augenzahl die Varianz , also ungefähr . Teilt man die quadrierte Abweichung durch , erhält man für alle Augenzahlen denselben Maßstab. Ein Beitrag nahe 1 entspricht dann einer gewöhnlichen Zufallsschwankung. Durch das Quadrieren kann eine einzige starke Abweichung dominieren: Beim Sechsseiter tragen die neunzehn Sechsen 8.1 zu bei.
Warum gibt es k − 1 Freiheitsgrade?
Die Häufigkeiten müssen sich zu addieren. Daher ergeben die Abweichungen in der Summe 0. Sind von ihnen bekannt, steht die letzte fest. Bei einem fairen Würfel ist der Erwartungswert von genau . Derselbe Wert von ist bei mehr Seiten also weniger auffällig: 11.2 liegt beim Sechsseiter jenseits der 5-%-Schwelle (p ≈ 0.048), ist beim Zwölfseiter aber gewöhnlich (p ≈ 0.43). Wie du einen p-Wert deutest, erfährst du unter Hypothesentests und p-Werte.
Wann ist die Kurve verlässlich?
Bei einem fairen Würfel kann nur bestimmte Werte annehmen. Seine tatsächliche Verteilung besteht daher aus einzelnen Spitzen. Die Chi-Quadrat-Kurve nähert deren Form für wachsendes an. Wiederholte Serien mit einem fairen Würfel schätzen die tatsächliche Wahrscheinlichkeit im rechten Randbereich direkt. Bei einer erwarteten Häufigkeit von 10 je Augenzahl stimmen Schätzung und Kurve gut überein, bei insgesamt nur 6 Würfen nicht. Eine gängige Faustregel verlangt erwartete Häufigkeiten von mindestens etwa 5. Umgekehrt verzehnfacht die Verzehnfachung aller Häufigkeiten auch . Bei genügend vielen unabhängigen Würfen wird selbst eine kleine Abweichung signifikant. misst, wie stark die Daten gegen einen fairen Würfel sprechen, nicht das Ausmaß seiner Unfairness. Ein großer p-Wert bedeutet nur, dass diese Häufigkeiten nicht genügen, um eine Verzerrung nachzuweisen.
Darauf kannst du achten
- Gibt die Hypothese für die Kategorien unterschiedliche Wahrscheinlichkeiten vor, dann sind die erwarteten Häufigkeiten . Alles andere bleibt gleich.
Bedienung
- Drücke oder ziehe oberhalb einer Augenzahl, um ihre Häufigkeit einzustellen. Ein Druck auf die Zahl unter der Achse wählt sie lediglich aus.
Verwandte Themen
Weiterführende Literatur: Wikipedia: Chi-squared test (Englisch); OpenStax, Introductory Statistics 2e, 11.2 Goodness-of-Fit Test (Englisch).