Bu hipotezlerden açıkça görülmektedir ki sınanma için kullanılan hipotez anakütle parametreler değerleri hakkında değildir ve bir istatistiksel nitelik hakkındadır. Böylece Pearson ki-kare testi bir parametrik olmayan istatistik örneğidir.
Ki-kare testi, bir veya daha fazla kategoride beklenen ile görülen arasındaki farkları belirlemenin istatistiksel bir yoludur. Araştırmacılar bu parametrik olmayan testi, aynı örneklem popülasyonu içindeki kategorik değişkenleri karşılaştırmak için kullanmaktadır.
Ki-kare testinde, niteliksel olarak belirtilen veriler kullanılır. Ayrıca, ölçümle belirtilen sürekli değişkenler de belli bir dereceden az veya çok ola-rak nitelendirilerek ki-kare testi uygulanabilir. Veri-ler, oranlar veya yüzdelikler olarak ifade edilmişse testin uygulanması mümkün değildir.
Bu dağılım, gamma dağılımından elde edilir.
İlgili 18 soru bulundu
Bölüm 11.1'de açıklandığı gibi ki-kare dağılımı serbestlik derecesine bağlı bir dağılımdır. Bu örnekte serbestlik derecesi, SD=6–1 (gün sayısı–1)=5'tir. Tablo D'de, 5 serbestlik dereceli χ2-dağılımında %5'lik alanın başladığı χ2-değeri 11.070'tir (Şekil 11.2).
Bu test "bağımsızlık için ki-kare testi" veya "homojenlik testi" olarak istatistiksel çıkartımasal problemlere uygulanır. Bu çeşit problemlerde "sıfır hipotez" bir rassal değişkenin istatiksel parametre değerini sınamadığı için bu test parametrik olmayan sınama olduğu kabul edilir.
Parametrik test varsayımları (normal dağılım) yerine getirildiğinde ölçümle belirtilen sürekli bir değişken yönünden aynı bireylerin, değişik iki zaman ya da durumdaki ölçümleri arasında fark olup olmadığını test etmek için kullanılan bir önemlilik testidir.
Chi-Square testi (Ki Kare), genellikle değişkenler arasındaki ilişkileri test etmek için kullanılır. Chi-Square testinin yokluk hipotezi (H0), popülasyondaki kategorik değişkenler arasında hiçbir ilişki olmadığıdır; yani değişkenler bağımsızdırlar.
Ki-kare (X2) değeri gözlenen ve beklenen frekanslar arasındaki farkı ölçmek için kullanılan istatistiksel bir test istatistiğidir. Çaprazlama tablosunda gözlenen ve beklenen sayılar arasındaki karelenmiş farkların toplamının beklenen sayılara bölünmesiyle hesaplanır.
Tek Örneklem Ki-kare Testi, ikiden fazla gruptan (düzeyden) oluşan bir bağımsız değişken bulunduğu durumda, bu grupların toplam içindeki oranlarının, istenen oranlardan ne kadar farklılaştığını tespit etmek için kullanılır.
Örneğin, Alt için 1, Üst için 4 değerini belirtirseniz, ki-kare testi için yalnızca 1 ile 4 arasındaki tamsayı değerleri kullanılır. Beklenen Değerler. Varsayılan olarak, tüm kategoriler beklenen değerlere eşittir. Kategoriler, kullanıcı tarafından belirtilen beklenen oranlara sahip olabilir.
4 gözlü tablolarda herhangi bir gözdeki gözlem sayısının 25'in altında olması durumunda Yates düzeltmeli ki kare testinden yararlanılır. 2x2 tablolarında gözlem sayıları oldukça az veya herhangi bir gözdeki beklenen sıklık değeri<5 ise Fisher'in kesin testinden yararlanılır.
Nonparametrik testler için çoğu zaman, verilerin, rassal ve bağımsız olarak elde edilmesi ve nominal veya ordinal ölçek kullanılması yeterlidir.
İstatistik bilim dalında, Kolmogorov-Smirnov (K-S) sınaması parametrik olmayan istatistik olup Andrey Kolmogorov ve Nikolai Smirnov adlarındaki iki Sovyet bilim insanı tarafından oluşturulmuştur.
Serbestlik derecesi= 2 -1 = 1. serbestlik derecesi ne uyumlu sütunda p = 0.05 kullanılmalıdır.
ki kare testinin iki farklı amacı vardır. ilki, örneklem ve evren dağılımlarını karşılaştırmak( uyum iyiliği-goodness of fit) diğeri ise iki değişkenin istatistiksel olarak bağımsız olup olmadığını test etmektir (bağımlılık testi).
Çok gözlü tablolar iki kalitatif verinin birbiriyle karşılaştırılmasında kullandığımız karşılaştırma metodudur. Bu veri Cinsiyet, meslek, kurum, Well's risk grubu, HT varlığı/yokluğu vb gibi bir veridir.
Chi-square standart normallerin kareleri toplamıdır. Yapılan işlemler bize gösterir ki bu aynı zamanda gözlemlenmiş veri ile beklenen değerin toplamının beklenen değere bölünmesidir. Z normal tabloları gibi x² tablosu da mevcuttur. Bu tablo 2 featuredan oluşur.
Diğer parametrik testler
t-testi ve ANOVA'ya ek olarak, eşleştirilmiş t-testi, tek yönlü ANOVA, iki yönlü ANOVA, tekrarlanan ölçümler ANOVA ve karma tasarım ANOVA dahil olmak üzere farklı uygulamalarda kullanılan birkaç başka istatistik parametrik test vardır.
İşte bu nokta çok önemli: Normal dağılmak, ya da dağılmamak… İstatistiksel hipotez testi aşamasında normal dağılım varsayımına bağlı kaldığımızda, parametrik testler üzerinden analizlerimizi gerçekleştiriyoruz. Kısaca sayısal ölçümlerimiz normal dağılıma uygun olduğunda parametrik testleri kullanacağız.
Örneğin: ilaç verilen bir grup hastanın uygulama öncesi (grup 1) ve uygulama sonrası (grup 2) ölçülen bir nominal değişken açısından (örneğin ağrı var/ağrı yok) anlamlı fark olup olmadığını test etmek için kullandığımız bir testtir McNemar.
Testin sonucu küçük bir p (≤ 0.05) ise bu sıfır hipotezinin geçersiz olduğuna dair güçlü bir kanıttır. Testin sonucu büyük bir p (> 0,05) ise alternatif hipotezin zayıf olduğu anlamına gelir, dolayısıyla sıfır hipotez reddedilemez.
Yates süreklilik düzeltmesinin toplam gözlem sayısı 40dan düşük olduğu (N<40) hallerde kullanılması tavsiye edilmektedir. Ancak birçok istatistikçi her 2 × 2 şekilde bağımlılık tablosu şekline konulan veri için Yates süreklilik düzeltmesi kullanmaktadırlar.
Benzer sorularSıkça sorulan sorular
DuyuruReklam alanı
Popüler SorularSıkça sorulan sorular
© 2009-2024 Usta Yemek Tarifleri