Chi-Quadrat-Test: Unterschied zwischen den Versionen
Zeile 1: | Zeile 1: | ||
− | - | + | - Chi-Quadrat-Tests gehören zu den einfachsten Verfahren der Inferenzstatistik. |
- Es werden dabei Häufigkeiten ausgewertet. | - Es werden dabei Häufigkeiten ausgewertet. | ||
- Das Verfahren ist für nominal-skalierte Daten geeignet | - Das Verfahren ist für nominal-skalierte Daten geeignet | ||
Zeile 22: | Zeile 22: | ||
-Signifikanztest, der eingesetzt wird, um zwei nominal oder ordinal skalierte Variablen anhand der beobachteten Häufigkeiten ihrer Merkmalsausprägungen zu analysieren | -Signifikanztest, der eingesetzt wird, um zwei nominal oder ordinal skalierte Variablen anhand der beobachteten Häufigkeiten ihrer Merkmalsausprägungen zu analysieren | ||
+ | |||
+ | |||
-Der Test findet unter anderem Anwendung, wenn überprüft werden soll, ob zwei Variablen voneinander unabhängig sind | -Der Test findet unter anderem Anwendung, wenn überprüft werden soll, ob zwei Variablen voneinander unabhängig sind |
Version vom 16. April 2020, 13:41 Uhr
- Chi-Quadrat-Tests gehören zu den einfachsten Verfahren der Inferenzstatistik. - Es werden dabei Häufigkeiten ausgewertet. - Das Verfahren ist für nominal-skalierte Daten geeignet - 2-Tests prüfen die Verteilung von Häufigkeiten gegenüber erwarteten Häufigkeiten
Beispiele sind: Test auf Unabhängigkeit zweier Merkmale: Ist der Anteil der Brillenträger bei Männern und Frauen gleich? Test für ein Merkmal: Wird eine von drei Apfelsorten häufiger gekauft als die anderen? Test einer Verteilung: Ist die Bearbeitungszeit für eine Testaufgabe normalverteilt?
3 Voraussetzungen Es gibt allerdings auch einige Voraussetzungen und Regeln, die erfüllt sein müssen, damit man den χ²-Test berechnen darf:
1. Die erwarteten Häufigkeiten in jeder Zelle müssen größer als 5 sein. 2. Der χ²-Test darf nur auf Häufigkeiten angewendet werden, niemals auf relative Werte, wie beispielsweise Prozentangaben. 3. Die Stichprobe ist zufällig entnommen worden.
Wozu dient der Test?
-Signifikanztest, der eingesetzt wird, um zwei nominal oder ordinal skalierte Variablen anhand der beobachteten Häufigkeiten ihrer Merkmalsausprägungen zu analysieren
-Der Test findet unter anderem Anwendung, wenn überprüft werden soll, ob zwei Variablen voneinander unabhängig sind