Peluang dan Statistika · Uji khi-kuadrat

Uji khi-kuadrat

Uji khi-kuadrat menilai apakah frekuensi yang diamati dalam percobaan independen menyimpang terlalu jauh dari frekuensi yang diharapkan menurut suatu hipotesis. Nilai (O − E)²/E dijumlahkan untuk k kategori. Totalnya, X², dibandingkan dengan distribusi khi-kuadrat dengan k − 1 derajat kebebasan.

Uji khi-kuadrat dalam visualisasi ini

Lempar dadu bersisi kk sebanyak NN kali, dengan tiap lemparan independen. Hitung kemunculan tiap sisi untuk mendapatkan frekuensi pengamatan O1,…,OkO_1, \dots, O_k. Jika dadu seimbang, frekuensi harapan tiap sisi adalah E=N/kE = N/k. Statistik khi-kuadrat X2=∑(O−E)2/EX^2 = \sum (O - E)^2/E menjumlahkan kuadrat selisih frekuensi tiap sisi dari EE setelah masing-masing dibagi dengan EE. Jika dadu seimbang dan lemparannya cukup banyak, distribusi X2X^2 mendekati distribusi khi-kuadrat dengan k−1k - 1 derajat kebebasan. Nilai p adalah luas di bawah kurva di sebelah kanan nilai X2X^2 yang diamati. Di sini batang kuning menunjukkan frekuensi pengamatan dan garis gelap menunjukkan EE. Kurva ada di bawah batang.

Mengapa setiap suku dibagi dengan E?

Jika frekuensi pengamatan melebihi frekuensi harapan sebanyak 9, selisih itu mengejutkan ketika E=10E = 10, tetapi hampir tak terasa ketika E=1000E = 1000. Variasi acak dalam frekuensi bertambah seiring frekuensi harapannya. Untuk dadu seimbang, varians frekuensi setiap sisi adalah E(1−1/k)E(1 - 1/k), mendekati EE. Dengan membagi kuadrat selisih dengan EE, semua sisi dinilai pada skala yang sama. Suku yang mendekati 1 menunjukkan variasi acak yang wajar. Karena selisih dikuadratkan, satu sisi yang menyimpang jauh dapat mendominasi. Pada contoh dadu bersisi enam, sembilan belas kemunculan angka enam menyumbang 8.1 pada X2=11.2X^2 = 11.2.

Mengapa ada k − 1 derajat kebebasan?

Jumlah semua frekuensi harus NN, jadi selisih-selisih O−EO - E selalu berjumlah 0. Jika k−1k - 1 di antaranya diketahui, selisih terakhir sudah ditentukan. Untuk dadu seimbang, rata-rata X2X^2 tepat k−1k - 1. Karena itu, nilai X2X^2 yang sama tidak begitu mengejutkan ketika jumlah sisi bertambah: 11.2 melewati ambang 5% untuk dadu bersisi enam (p ≈ 0.048), tetapi wajar untuk dadu bersisi dua belas (p ≈ 0.43). Cara menafsirkan nilai p dibahas di pengujian hipotesis dan nilai p.

Kapan kurva dapat diandalkan?

Untuk dadu seimbang, X2X^2 hanya dapat memiliki nilai-nilai tertentu, sehingga distribusi sebenarnya berupa puncak-puncak terpisah. Saat NN membesar, bentuknya mendekati kurva khi-kuadrat yang mulus. Mengulang percobaan dengan dadu seimbang memberi perkiraan langsung peluang di ekor distribusi sebenarnya. Jika frekuensi harapan tiap sisi 10, perkiraan ini sangat dekat dengan hasil dari kurva, tetapi tidak demikian jika hanya ada 6 lemparan. Pedoman praktis yang umum menyarankan frekuensi harapan setidaknya sekitar 5. Menambah lemparan juga punya efek lain: mengalikan semua frekuensi dengan sepuluh mengalikan X2X^2 dengan sepuluh. Jika ada cukup banyak lemparan independen, penyimpangan kecil pun dapat menjadi signifikan. X2X^2 mengukur kekuatan bukti yang menentang anggapan bahwa dadu seimbang, bukan besarnya ketidakseimbangan. Nilai p yang besar hanya berarti data ini belum cukup untuk menunjukkan bahwa dadu tidak seimbang.

Hal yang perlu diperhatikan

  • Jika hipotesis menetapkan peluang yang berbeda pip_i untuk tiap kategori, frekuensi harapannya adalah Ei=NpiE_i = N p_i. Perhitungan selebihnya tetap sama.

Kontrol

  • Tekan atau seret di atas suatu sisi untuk mengatur frekuensinya. Menekan nomor di bawah sumbu hanya memilih sisi tersebut.

Topik terkait