Les degrés de liberté dans un test de chi carré

Le Chi-Square est utilisé pour tester et comparer deux types de données différentes: les données observées et les données attendues. Il mesure ce qu`on appelle la "bonté pour adapter" qui est la différence entre ce que vous attendez et ce qui a été observé. Par exemple, statistiquement parlant, si vous retournez une pièce de monnaie 50 fois, vous devriez obtenir 25 têtes et 25 queues. Cependant, vous avez réellement retournez une pièce de monnaie 50 fois et il atterrit sur la queue 19 fois et 31 fois la queue. En utilisant ces données, un statisticien pourrait théoriser pourquoi ces différences se sont produites.

Les degrés de liberté sont des mesures du nombre de valeurs dans la statistique qui sont libres de faire varier sans influencer le résultat de la statistique. Tests statistiques, y compris le Chi-Square, sont souvent basées sur des estimations très précises en fonction de divers éléments d`information vitale. Les statisticiens utilisent ces estimations pour créer des formules statistiques qui calculent le résultat final de leur analyse statistique. Les informations utilisées dans l`analyse peut varier, mais il doit toujours être au moins une catégorie fixe de infos le reste des catégories sont les degrés de liberté. Ceci est important car même si les statistiques est une science mathématique, il est souvent basée sur des hypothèses qui peuvent être difficiles à calculer avec précision.

Calcul de degrés de liberté dans le test du chi carré est très simple. Trouver nombre de catégories que vous avez dans votre analyse statistique et la soustraire par un. Par exemple, imaginez que vous étudiez les taux de natalité attendus d`éléphants par rapport au taux de natalité observé. Les catégories comprennent les âges de la mère, l`âge du père et le sexe de leurs enfants nés. Cela vous donne trois catégories dans votre étude. Soustraire un que pour obtenir deux comme votre degré de liberté. Fondamentalement, plus les catégories que vous avez dans votre étude, plus les degrés de liberté que vous avez à expérimenter avec l`analyse statistique plus tard.

Les degrés de liberté sont importants dans le test du chi carré parce que les résultats observés diffèrent souvent sensiblement des résultats escomptés, et ces degrés de liberté sont nécessaires pour tester différentes situations hypothétiques. Fondamentalement, vous pouvez prendre les données que vous avez recueillies pour votre analyse et les réutiliser pour effectuer une autre analyse statistique. Ces nouvelles études peuvent aider à expliquer les différences entre les résultats attendus et les résultats observés plus pleinement.