Indhold
Statistik er undersøgelsen af sandsynlighed, der bruges til at bestemme sandsynligheden for, at en begivenhed finder sted. Der er mange forskellige måder at teste sandsynlighed og statistik på, hvor en af de mest kendte er Chi-Square-testen. Som enhver statistisk test skal Chi-Square-testen tage grader af frihed i betragtning, inden der træffes en statistisk beslutning.
Godhed til at passe
Chi-Square bruges til at teste og sammenligne to forskellige typer data: observerede data og forventede data. Det måler det, der kaldes "godheden til at passe", som er forskellen mellem hvad du ville forvente og hvad der er blevet observeret. For eksempel, statistisk set, hvis du vender en mønt 50 gange, skal du få 25 hoveder og 25 haler. Dog vender du faktisk en mønt 50 gange, og den lander på haler 19 gange og på haler 31 gange. Ved hjælp af disse data kunne en statistiker teoretisere, hvorfor disse forskelle forekom.
Grader af frihed
Frihedsgrader er målingerne af antallet af værdier i statistikken, der er fri til at variere uden at påvirke resultatet af statistikken. Statistiske prøver, inklusive Chi-Square, er ofte baseret på meget præcise skøn baseret på forskellige vigtige oplysninger. Statistikere bruger disse estimater til at oprette statistiske formler, der beregner det endelige resultat af deres statistiske analyse. Oplysningerne, der bruges i analysen, kan variere, men der skal altid være mindst en fast informationskategori; resten af kategorierne er grader af frihed. Dette er vigtigt, fordi selv om statistik er en matematisk videnskab, er den ofte baseret på hypoteser, der kan være svære at nøjagtigt beregne.
beregning
Beregning af frihedsgrader i Chi-Square-testen er meget enkel. Find hvor mange kategorier du har i din statistiske analyse, og træk den fra én. Forestil dig for eksempel, at du studerer de forventede fødselsrater for elefanter kontra den observerede fødselsrate. Kategorierne inkluderer moderens aldre, farens alder og deres børns køn. Det giver dig tre kategorier i din undersøgelse. Træk en derfra for at få to som din grad af frihed. Grundlæggende, jo flere kategorier du har i din undersøgelse, jo flere grader af frihed skal du eksperimentere med i senere statistisk analyse.
Betydning
Frihedsgrader er vigtige i Chi-Square-testen, fordi de observerede resultater ofte adskiller sig markant fra de forventede resultater, og disse frihedsgrader er nødvendige for at teste forskellige hypotetiske situationer. Grundlæggende kan du tage de data, du har samlet til din analyse og genbruge dem til at udføre en anden statistisk analyse. Disse nye undersøgelser kan hjælpe med at forklare forskellene mellem de forventede resultater og de observerede resultater mere fuldstændigt.