Chi-kvadrat-räknare: Hur man Beräknar Chi-kvadrat-Tester för Hand
En chi-kvadrat-räknare jämför observerade data mot vad du förvänta dig om ett påstående om data var sant, och säger sedan om skillnaden är tillräckligt liten för att vara slump eller tillräckligt stor för att förkasta det påståendet. Studenter använder en chi-kvadrat-räknare när en läxuppgift frågar om en tärning är rättvis, om svarens på en enkät motsvarar en marknadsavdelnings förutsagda uppdelning, eller om två kategoriska variabler — som favoritmne och kön — är relaterade. Den här guiden lär dig chi-kvadrat-formeln från början, går igenom ett fullständigt goodness-of-fit-test och ett fullständigt oberoendetest med verkliga tal, och visar hur du hittar frihetsgrader och tolkar ett p-värde, så du förstår exakt vad en chi-kvadrat-räknare beräknar innan du litar på resultatet.
Innehåll
- 01Vad är ett Chi-kvadrat-test?
- 02Hur Fungerar en Chi-kvadrat-räknare?
- 03Hur Beräknar du ett Chi-kvadrat Goodness-of-fit-test?
- 04Hur Beräknar du ett Chi-kvadrat Oberoendetest?
- 05Vad Betyder Frihetsgrader och P-värde Egentligen?
- 06Vilka Villkor Måste Uppfyllas för att Använda ett Chi-kvadrat-test?
- 07Vanliga Misstag vid Användning av en Chi-kvadrat-räknare
- 08Chi-kvadrat Praktikuppgifter med Lösningar
- 09Vad Annat Frågar Studenter Om Chi-kvadrat-räknare?
- 10Få Mer Hjälp Med Chi-kvadrat Läxor
Vad är ett Chi-kvadrat-test?
Ett chi-kvadrat-test mäter hur långt ett antal observerade värdena avviker från de antal du förvänta dig under någon hypotes, och konverterar sedan denna distans till ett enda tal som kallas chi-kvadrat-statistiken. Till skillnad från ett z-test eller t-test, som jämför medelvärden för numeriska data, fungerar chi-kvadrat-tester på kategoriska data — antal sorterade i kategorier som färger, enkätsvar eller ja/nej-svar. En chi-kvadrat-räknare är användbar eftersom den automatiserar arithmetiken med att kvadrera skillnader och dividera med förväntade antal, men formeln i sig är kort nog att beräkna för hand när du väl förstår dess tre byggstenar: observerade antal (O), förväntade antal (E) och antalet kategorier som jämförs.
Chi-kvadrat-formel: χ² = Σ [(O − E)² / E], där O är varje observerat antal och E är motsvarande förväntat antal enligt nollhypotesen.
Hur Fungerar en Chi-kvadrat-räknare?
Varje chi-kvadrat-räknare behöver samma huvudsakliga inmatningar oavsett vilket av de två vanliga chi-kvadrat-testen du kör, och den returnerar samma tre utgångar. Att känna till dessa inmatningar och utgångar på förhand gör det mycket lättare att ställa in ett chi-kvadrat-problem korrekt, oavsett om du slutför beräkningen för hand eller kontrollerar den mot en räknare efteråt.
1. Inmatningar som en chi-kvadrat-räknare behöver
Observerade antal — de faktiska data som samlades in, inmatade antingen som en enda lista över kategoriantal (goodness-of-fit) eller som en två vägar tabell med rader och kolumner (oberoendetest). Förväntade antal, eller tillräcklig information för att beräkna dem — antingen en påstått uppsättning proportioner (goodness-of-fit) eller bara rad- och kolumnsummorna (oberoende, eftersom förväntade antal härleds automatiskt). En vald signifikansnivå, nästan alltid α = 0,05 såvida inte ett problem säger något annat.
2. Utgångar som en chi-kvadrat-räknare kan returnera
χ² — chi-kvadrat-teststatistiken själv, alltid noll eller positiv. df — frihetsgraderna, som bestämmer vilken chi-kvadrat-fördelningskurva som gäller. p-värde — sannolikheten att se en χ²-statistik så stor eller större om nollhypotesen faktiskt var sann. Ett beslut — förkasta eller misslyckas att förkasta nollhypotesen, hittat genom att jämföra p-värdet med α eller genom att jämföra χ² med ett kritiskt värde från en chi-kvadrat-tabell.
3. Varför du fortfarande bör lära dig den manuella metoden
Läxor och prov kräver nästan alltid den fullständiga inställningen — anger noll- och alternativhypoteserna, bygger en förväntad antal-tabell och visar varje (O − E)²/E-term — inte bara en slutlig decimal. En chi-kvadrat-räknare är snabbast för att kontrollera ett svar eller hantera en stor tabell, men de manuella stegen nedan är det som faktiskt tjänar kredit och bygger intuition som behövs för senare ämnen som ANOVA och regression.
Hur Beräknar du ett Chi-kvadrat Goodness-of-fit-test?
Ett goodness-of-fit-test kontrollerar om observerade antal i en enda uppsättning kategorier matchar en påstått fördelning — till exempel om en tärning är rättvis eller om ett företags faktiska försäljningsmix motsvarar dess prognos. Här är ett fullständigt praktiskt exempel med en klassisk rättfärdiga fråga.
1. Ange hypoteserna och samla observerade antal
En tärning kastas 60 gånger för att testa om den är rättvis. H0: tärningen är rättvis (varje sida har sannolikhet 1/6). Ha: tärningen är inte rättvis. Observerade antal för sidorna 1 till 6: O = 8, 12, 9, 14, 7, 10 (dessa summerar till 60, vilket motsvarar de totala kasten).
2. Beräkna de förväntade antalen
Under H0 bör varje sida visas med sannolikhet 1/6, så E = 60 × (1/6) = 10 för varje sida av de sex sidorna. Förväntade antal: E = 10, 10, 10, 10, 10, 10. De förväntade antalen behöver i allmänhet inte vara hela tal, men de är praktiskt här.
3. Beräkna varje (O − E)²/E-term
Sida 1: (8−10)²/10 = 4/10 = 0,4. Sida 2: (12−10)²/10 = 4/10 = 0,4. Sida 3: (9−10)²/10 = 1/10 = 0,1. Sida 4: (14−10)²/10 = 16/10 = 1,6. Sida 5: (7−10)²/10 = 9/10 = 0,9. Sida 6: (10−10)²/10 = 0/10 = 0.
4. Summera termerna för att få χ²
χ² = 0,4 + 0,4 + 0,1 + 1,6 + 0,9 + 0 = 3,4.
5. Hitta frihetsgrader och tolka
För ett goodness-of-fit-test är df = (antal kategorier − 1) = 6 − 1 = 5. Om du slår upp χ² = 3,4 med df = 5 i en chi-kvadrat-tabell får du ett p-värde långt över 0,05 (ungefär 0,64). Eftersom p-värdet är mycket större än α = 0,05 misslyckas vi att förkasta H0 — detta urval av 60 kast ger inget bevis för att tärningen är orättvis. En chi-kvadrat-räknare skulle returnera denna samma χ² = 3,4 och p ≈ 0,64 omedelbar, men nu kan du verifiera talet själv och förklara varje steg på papper.
För goodness-of-fit-tester är frihetsgrader = antal kategorier − 1. Dra alltid bort 1 för att ta hänsyn till det faktum att det totala antalet är fixerat.
Hur Beräknar du ett Chi-kvadrat Oberoendetest?
Ett oberoendetest kontrollerar om två kategoriska variabler är relaterade, med hjälp av data som är utlagda i en två vägar-tabell. Detta är det test studenter oftast förvirra med goodness-of-fit, eftersom det använder samma χ²-formel men ett annat sätt att hitta förväntade antal och frihetsgrader.
1. Ställ upp två vägar-tabellen och hypoteserna
En enkät frågar 200 elever sitt favoritämne (Matematik eller Konst) och sin klassår (Förstagradare eller Senior). H0: favoritmne och klassår är oberoende. Ha: favoritmne och klassår är relaterade. Observerad tabell: Förstagradare-Matematik = 40, Förstagradare-Konst = 60 (rad summa 100); Senior-Matematik = 50, Senior-Konst = 50 (rad summa 100). Kolumnsummor: Matematik = 90, Konst = 110. Total summa = 200.
2. Beräkna varje förväntat antal
Formel: E = (rad summa × kolumn summa) / total summa. E(Förstagradare, Matematik) = (100 × 90)/200 = 45. E(Förstagradare, Konst) = (100 × 110)/200 = 55. E(Senior, Matematik) = (100 × 90)/200 = 45. E(Senior, Konst) = (100 × 110)/200 = 55. Märk att de förväntade antalen fortfarande summerar till varje korrekt rad- och kolumnsumma, vilket är ett bra sätt att kontrollera din aritmetik.
3. Beräkna varje (O − E)²/E-term
Förstagradare-Matematik: (40−45)²/45 = 25/45 ≈ 0,556. Förstagradare-Konst: (60−55)²/55 = 25/55 ≈ 0,455. Senior-Matematik: (50−45)²/45 = 25/45 ≈ 0,556. Senior-Konst: (50−55)²/55 = 25/55 ≈ 0,455.
4. Summera termerna för att få χ²
χ² ≈ 0,556 + 0,455 + 0,556 + 0,455 = 2,022.
5. Hitta frihetsgrader och tolka
För ett oberoendetest är df = (rader − 1) × (kolumner − 1) = (2−1) × (2−1) = 1. Om du slår upp χ² ≈ 2,02 med df = 1 får du ett p-värde på ungefär 0,155. Eftersom p > 0,05 misslyckas vi att förkasta H0 — denna enkät ger inget starkt bevis för att favoritmne och klassår är relaterade för dessa 200 elever.
För ett oberoendetest är frihetsgrader = (antal rader − 1) × (antal kolumner − 1), och förväntade antal kommer från rad summa × kolumn summa ÷ total summa.
Vad Betyder Frihetsgrader och P-värde Egentligen?
Frihetsgrader och p-värdet är de två siffror studenterna misstolkar oftast, även efter korrekt beräkning av χ². Att få ett numeriskt svar är endast hälften av arbetet — förklara vad det betyder är vanligtvis värd lika många poäng.
1. Frihetsgrader formar jämförelsekurvan
Chi-kvadrat-fördelningen är inte en enda fast kurva — dess form förändras med df. En liten df (som 1 eller 2) producerar en skarp, spetsig kurva nära noll, medan en större df producerar en plattare, mer utspridd kurva. Det är därför samma χ²-värde kan vara signifikant med en df och inte signifikant med en annan — matcha alltid df till rätt chi-kvadrat-fördelning innan du bedömer en statistik som stor eller liten.
2. P-värdet besvarar en villkorlig fråga
P-värdet är sannolikheten att observera en χ²-statistik åtminstone så stor som den beräknade, antar att nollhypotesen är sann. Det är inte sannolikheten att nollhypotesen är sann, och det är inte sannolikheten för att göra ett fel — det mäter bara hur överraskande de observerade data skulle vara under H0.
3. Jämför p-värde med alfa (α)
Om p ≤ α (vanligtvis α = 0,05), förkasta H0 — det observerade mönstret är osannolikt att bara bero på slump, så det finns statistiskt signifikant bevis för Ha. Om p > α, misslyckas att förkasta H0 — data är konsistent med nollhypotesen, men detta bevisar inte att H0 är sant, bara att detta urval inte gav tillräckligt starkt bevis emot det.
Att misslyckas förkasta H0 betyder aldrig att H0 är bevisat sant — det betyder bara att urvalet inte gav tillräckligt bevis för att förkasta det.
Vilka Villkor Måste Uppfyllas för att Använda ett Chi-kvadrat-test?
En chi-kvadrat-räknare ger bara ett giltigt och tillförlitligt resultat när den underliggande datan uppfyller några specifika villkor. Att bryta dessa villkor är en av de vanligaste orsakerna till att en chi-kvadrat-slutsats visar sig vara fel även när arithmetiken är korrekt.
1. Data måste vara antal, inte procentsatser eller medelvärden
Chi-kvadrat-tester kräver råa frekvensantal i varje kategori, inte proportioner eller medelvärden. Om ett problem ger procentsatser, konvertera dem tillbaka till antal med hjälp av urvalsstorlek innan du använder formeln.
2. Kategorier måste vara ömsesidigt uteslutande
Varje observation måste falla in i exakt en kategori — en respondent kan till exempel inte räknas i både 'Förstagradare' och 'Senior'. Överlappande kategorier gör testet ogiltigt.
3. Förväntade antal bör vara tillräckligt stora
Den vanliga tumregeln är att varje förväntat antal bör vara minst 5. När ett eller flera förväntade antal faller under 5 blir chi-kvadrat-approximationen opålitlig, och en annan metod (såsom Fishers exakta test) rekommenderas vanligtvis istället.
4. Observationer måste vara oberoende
Varje individ eller föremål bör räknas endast en gång och bör inte påverka en annan observatios kategori. Upprepade mätningar från samma försöksperson, eller urval gjorda utan återläggning från en mycket liten population, kan bryta detta villkor.
Vanliga Misstag vid Användning av en Chi-kvadrat-räknare
Dessa fel dyker upp ständigt på betygsatt statistik hemuppgifter, oavsett om beräkningen görs för hand eller kontrolleras mot en chi-kvadrat-räknare efteråt.
1. Använda fel frihetsgrads-formel
Goodness-of-fit använder df = kategorier − 1. Oberoende använder df = (rader − 1)(kolumner − 1). Att blanda dessa är det enskilda vanligaste chi-kvadrat-misstaget, eftersom båda testen använder samma χ²-summationsformel och det är lätt att glömma vilken df-regel som gäller.
2. Beräkning av förväntade antal felaktigt för oberoendetester
Förväntade antal för ett oberoendetest kommer från (rad summa × kolumn summa) / total summa — inte från att dividera totalsumman jämnt över alla celler, och inte från de observerade antalen själva. Dubbelkolla att dina förväntade antal fortfarande summerar till rätt rad- och kolumnsumma.
3. Glömma att kvadrera skillnaden
Det är lätt att beräkna (O − E)/E istället för (O − E)²/E, särskilt när du arbetar snabbt. Eftersom O − E kan vara negativ, att hoppa över kvadraten kan producera ett negativt eller vilseledande litet χ² — en chi-kvadrat-statistik kan aldrig vara negativ, så en negativ löpande summa är en omedelbar röd flagga.
4. Missuppfattning av p-värdet som sannolikheten H0 är sant
Ett litet p-värde betyder att de observerade data skulle vara osannolika om H0 var sant — det anger inte direkt sannolikheten för att H0 själv är sant eller falskt. Behåll den villkorliga formuleringen ('sannolikheten för denna data, givet H0') i åtanke när du skriver en slutsats.
Chi-kvadrat Praktikuppgifter med Lösningar
Arbeta genom dessa tre problem från enklaste till svåraste. Försök med varje före du läser lösningen, sedan kontrollera din inställning mot de steg som visas.
1. Problem 1 (Nybörjare): Godness-of-fit för godiskolor
Ett godisföretag hävdar att dess påsar innehåller en jämn blandning av 4 färger. En elev räknar 80 godis: Röd = 25, Blå = 15, Grön = 22, Gul = 18. Testa vid α = 0,05 om blandningen är jämn. Lösning: E = 80/4 = 20 för varje färg. χ² = (25−20)²/20 + (15−20)²/20 + (22−20)²/20 + (18−20)²/20 = 25/20 + 25/20 + 4/20 + 4/20 = 1,25 + 1,25 + 0,2 + 0,2 = 2,9. df = 4 − 1 = 3. Vid df = 3 ger χ² = 2,9 p ≈ 0,41, vilket är långt över 0,05, så vi misslyckas förkasta H0 — data är konsistent med en jämn färgblandning.
2. Problem 2 (Mellannivå): Webbplatslayout-preferens (oberoende)
Ett företag undersöker 150 användare om föredraget layout (A eller B) uppdelat efter enhet (Mobil eller Skrivbord). Observerat: Mobil-A = 30, Mobil-B = 45 (rad summa 75); Skrivbord-A = 40, Skrivbord-B = 35 (rad summa 75). Kolumnsummor: A = 70, B = 80. Testa om layout-preferens är oberoende av enhet vid α = 0,05. Lösning: E(Mobil,A) = (75×70)/150 = 35. E(Mobil,B) = (75×80)/150 = 40. E(Skrivbord,A) = 35. E(Skrivbord,B) = 40. χ² = (30−35)²/35 + (45−40)²/40 + (40−35)²/35 + (35−40)²/40 = 25/35 + 25/40 + 25/35 + 25/40 ≈ 0,714 + 0,625 + 0,714 + 0,625 = 2,678. df = (2−1)(2−1) = 1. Vid df = 1 ger χ² ≈ 2,68 p ≈ 0,10, över 0,05, så vi misslyckas förkasta H0 — inget signifikant bevis för att layout-preferens beror på enhet.
3. Problem 3 (Avancerad): Genetik-förhållande goodness-of-fit
Ett genetikexperiment förväntar sig avkomma i förhållande 9:3:3:1 över fyra fenotyper från totalt 160 avkomma. Observerat: Fenotyp 1 = 96, Fenotyp 2 = 30, Fenotyp 3 = 24, Fenotyp 4 = 10. Testa passningen vid α = 0,05. Lösning: Förväntade proportioner av 160 totalt: E1 = (9/16)×160 = 90. E2 = (3/16)×160 = 30. E3 = (3/16)×160 = 30. E4 = (1/16)×160 = 10. χ² = (96−90)²/90 + (30−30)²/30 + (24−30)²/30 + (10−10)²/10 = 36/90 + 0 + 36/30 + 0 = 0,4 + 1,2 = 1,6. df = 4 − 1 = 3. Vid df = 3 ger χ² = 1,6 p ≈ 0,66, långt över 0,05, så vi misslyckas förkasta H0 — de observerade avkommaantalen är konsistenta med den förväntade genetiska förhållandet 9:3:3:1.
Vad Annat Frågar Studenter Om Chi-kvadrat-räknare?
Dessa är frågorna som dyker upp oftast tillsammans med chi-kvadrat-läxor och tentamensöversyn.
1. Kan χ² någonsin vara negativt?
Nej. Varje term (O − E)²/E kvadrerar skillnaden innan du dividerar, så varje term är noll eller positiv, och summan kan aldrig vara negativ. En negativ löpande summa signalerar alltid ett aritmetiskt misstag, oftast en glömd kvadrat.
2. Vad är skillnaden mellan ett chi-kvadrat goodness-of-fit-test och ett oberoendetest?
Ett goodness-of-fit-test använder en kategorisk variabel och jämför dess fördelning med en enda påstått uppsättning proportioner. Ett oberoendetest använder två kategoriska variabler på en gång, ordnade i en två vägar-tabell, och kontrollerar om de är relaterade. De delar samma χ²-formel men skiljer sig åt i hur förväntade antal och frihetsgrader hittas.
3. Vad om mitt förväntade antal är under 5?
När ett eller flera förväntade antal sjunker under 5 blir chi-kvadrat-approximationen till den sanna samplingsfördelningen opålitlig, och resultaten bör tolkas försiktigt eller ersättas med ett exakt test såsom Fishers exakta test, särskilt för små 2×2-tabeller.
4. Använder jag en ensidig eller tvåsidig chi-kvadrat-tabell?
Ingen av dem, i vanlig mening — chi-kvadrat-testet är i sig ensidig eftersom χ² bara växer när O och E rör sig längre ifrån varandra i båda riktningarna, så det finns en enda övre svans kritisk region snarare än separata ensidiga och tvåsidiga versioner som ett z-test eller t-test.
Få Mer Hjälp Med Chi-kvadrat Läxor
När du väl är bekväm med att ange H0 och Ha, bygga en förväntad antal-tabell och summera (O − E)²/E term för term, blir chi-kvadrat-problem en fråga om försiktig bokföring snarare än en mystisk formel. Öva med en blandning av goodness-of-fit och oberoende frågor, eftersom tentamen ofta förväntar dig att känna igen vilken som gäller bara från ordningen på problemet. Om du fastnar på inställningen av ett specifikt chi-kvadrat-problem eller vill dubbelkolla en handberäkning, kan Solvifys steg-för-steg-lösare arbeta genom samma formel som visas i den här guiden — förväntade antal, varje kvadratisk skillnad-term och det slutliga χ²-värdet — så att du kan se exakt var din egen inställning avviker från den korrekta.
Innan du griper en chi-kvadrat-räknare, skriv ner om du testar goodness-of-fit eller oberoende — detta enda beslut bestämmer både din förväntade antal-metod och din frihetsgrads-formel.
Relaterade artiklar
ANOVA-räknare: Steg-för-steg-guide till One-Way ANOVA-testet
Ett annat hypotestest som jämför grupper med hjälp av en F-statistik, ett naturligt nästa steg efter chi-kvadrat för att jämföra mer än två grupper.
Standardfel-räknare: Hur man Beräknar SE för Medelvärden och Proportioner
Lär dig standardfel-formeln som ligger till grund för konfidensintervall och hypotestester i många statistikämnen, inklusive chi-kvadrat.
Binomialfördelnings-räknare: Hur man Beräknar Sannolikheter för Hand
En grundläggande sannolikhetsfördelning för kategoriska utfall, användbar bakgrund innan du tacklar chi-kvadrat goodness-of-fit-problem.
Relaterade matematiklösare
Steg-för-steg Lösningar
Få varje steg av en chi-kvadrat-beräkning visat explicit — förväntade antal, kvadratiska skillnader och den slutliga teststatistiken.
Smart Scan-lösare
Ta en foto av en chi-kvadrat-testfråga och få en omedelbar, helt utarbetad lösning.
AI Matematiköversättare
Ställ frågor om frihetsgrader, förväntade antal eller när du ska använda goodness-of-fit versus oberoendetester.