11.6：卡方检验的比较
- Page ID
- 204614
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
以上\(\chi^2\)检验统计数据是在三种不同的情况下使用的。 以下列表汇总了哪种\(\chi^2\)测试适合在不同情况下使用。
测试拟合优度
使用拟合优度检验来确定分布未知的总体是否 “拟合” 已知分布。 在这种情况下，将有一个单一的定性调查问题或来自单一群体的实验的单一结果。 Goodnessof-Fit 通常用于查看总体是否均匀（所有结果都以相等的频率出现）、总体是否正态或总体是否与具有已知分布的另一个总体相同。 原假设和备选假设是：
- \(H_0\): 人口符合给定的分布。
- \(H_a\): 人口不符合给定的分布。
独立性测试
使用独立性检验来确定两个变量（因子）是独立的还是依赖的。 在这种情况下，将有两个定性调查问题或实验，并将构建一个列联表。 目标是查看这两个变量是无关（独立）还是相关（依赖）。 原假设和备选假设是：
- \(H_0\)：两个变量（因子）是独立的。
- \(H_a\)：这两个变量（因子）是相关的。
同质性测试
使用同质性检验来确定分布未知的两个总体是否具有相同的分布。 在这种情况下，将向两个不同的人群提供一个单一的定性调查问题或实验。 原假设和备选假设是：
- \(H_0\): 这两个种群遵循相同的分布。
- \(H_a\): 这两个种群有不同的分布。