Калькулятор p-значения для χ²-теста (хи-квадрат): руководство

Критерий хи-квадрат ($\chi^2$) Пирсона — это один из самых популярных и востребованных непараметрических статистических методов. В отличие от t-теста или ANOVA, которые работают с количественными переменными (вес, рост, баллы), критерий $\chi^2$ применяется исключительно для категориальных (качественных) данных (пол, цвет, марка автомобиля, ответ «Да/Нет»).

Наш профессиональный онлайн-калькулятор позволяет мгновенно рассчитать значение $\chi^2$, определить степени свободы ($df$) и найти точное p-значение (p-value) с математической интерпретацией.

Когда применяется критерий хи-квадрат?

Калькулятор поддерживает два основных режима работы, закрывая 99% задач исследователей:

1. Тест на независимость (Анализ таблиц сопряженности)

Используется для проверки гипотезы о том, существует ли статистически значимая связь между двумя категориальными переменными.

• Пример: Влияет ли пол человека (мужчина/женщина) на выбор цвета покупаемого автомобиля (черный/белый/красный)?
• Как вводить: Создайте таблицу сопряженности (строки и столбцы) и внесите наблюдаемые частоты (количество людей). Калькулятор сам вычислит ожидаемые значения по вероятностям.

2. Тест на соответствие (Критерий согласия)

Сравнивает наблюдаемое распределение данных с ожидаемым (теоретическим) распределением, чтобы выяснить, согласуются ли они.

• Пример: При подбрасывании кубика 60 раз, каждая грань теоретически должна выпасть по 10 раз (равномерное ожидание). Но в реальности цифра «6» выпала 18 раз, а «1» — всего 5. Является ли этот кубик «кривым», или это просто случайность?
• Как вводить: Введите количество категорий, затем наблюдаемые значения, а в настройках ожиданий выберите «Равномерное распределение» или введите свои теоретические доли вручную.

Формула расчета $\chi^2$

Независимо от типа теста, ядром вычислений является сравнение наблюдаемых ($O$ — Observed) и ожидаемых ($E$ — Expected) частот для каждой ячейки:

$$\chi^2 = \sum \frac{(O — E)^2}{E}$$

После нахождения $\chi^2$, алгоритм определяет число степеней свободы ($df$):

• Для таблиц сопряженности: $df = (r — 1) \times (c — 1)$, где $r$ и $c$ — количество строк и столбцов.
• Для теста на соответствие: $df = k — 1$, где $k$ — количество категорий.

Как интерпретировать p-значение?

Полученное p-значение показывает, какова вероятность получить такую же (или еще большую) разницу между наблюдаемым и теоретическим, если нулевая гипотеза верна (например, если связи между переменными на самом деле нет).

Стандартным уровнем значимости считается порог $\alpha = 0.05$.

Ограничения и жесткие правила $\chi^2$-теста

Чтобы результаты калькулятора были математически корректными, убедитесь, что ваши данные не нарушают золотые правила непараметрической статистики:

1. Абсолютные числа, а не проценты! В ячейки калькулятора можно вводить только количество штук/людей/событий (целые числа). Если вы введете проценты (доли), хи-квадрат выдаст ложный результат.
2. Независимость наблюдений. Один объект может попасть только в одну ячейку таблицы.
3. Правило «Пяти» (Ожидаемые частоты). Для корректной аппроксимации распределения, ожидаемая частота в каждой ячейке таблицы должна быть не меньше 5 (в крайнем случае, ячеек с $E < 5$ должно быть не более 20%). Наш калькулятор автоматически проверяет это условие и выдает предупреждение, если данные слишком малы!

Что делать, если ожидаемых частот мало? Если калькулятор выдал предупреждение, вам следует укрупнить выборку, объединить несколько соседних категорий в одну, либо использовать Точный тест Фишера (Fisher’s exact test), который идеально работает на микро-выборках.

По теме: Калькулятор теста Краскела-Уоллиса, Калькулятор F-теста и p-значения, Калькулятор Z-теста и p-значения, Калькулятор t-теста и p-значения, Размах вариации, Вычисление среднего геометрического.