卡方检验与本页画面
把一个面的骰子独立地掷次,数每一面出现几次,得到观测次数。如果骰子公平,每一面的期望次数是。卡方统计量把每一面与之差的平方、按来量,再加起来。骰子公平、掷的次数足够多时,近似服从自由度的卡方分布;p值是这条曲线在观测到的右边的面积。本页上面黄柱是次数、墨线是,下面是这条曲线。
每一项为什么除以E
某一面比预期多出9次:时很惊人,时几乎看不出来。次数的随机波动随次数变大:骰子公平时每个次数的方差是,接近。差的平方除以,就把每一面放到同一把尺子上,一项在1左右就是寻常的随机波动。平方让差得远的一面占大头:六面骰的示例里,19个六贡献了中的8.1。
为什么自由度是k − 1
各面次数加起来必须是,所以各面的差加起来总是0:知道其中个,最后一个就定了。骰子公平时的平均值正好是,所以面越多,同一个越不稀奇:11.2对六面骰已过5%临界值(p ≈ 0.048),对十二面骰却很寻常(p ≈ 0.43)。p值说明什么、不说明什么,见假设检验与p值。
曲线什么时候可信
骰子公平时,只能取某些值,它真正的分布是一根根分开的尖条;卡方曲线是变大时它们逼近的光滑形状。用公平的骰子重掷,可以直接估计真正的尾概率。每面期望10次时,估计和曲线很接近;只掷6次时差得远。常用的经验是每一类的期望次数至少5左右。次数多也有另一面:每个次数乘10,也乘10,所以独立投掷足够多时,很小的偏向也会显著。量的是“骰子不公平”的证据,不是骰子偏了多少;p大只说明这些次数不足以说它不公平。
值得注意
- 原假设给各类不相等的概率时,期望次数是,其余做法不变。
操作
- 在某一面上方按下或拖动,设这一面的次数;按横轴下面的面号只选中它。