نحوه استفاده
- انتخاب کنید مناسب بودن اگر یک نمونه با نسبت مورد انتظار مقایسه شود، یا استقلال اگر جدول احتمالی دارید
- تعداد مشاهدهشده را وارد کنید، اگر میخواهید یک آستانه استاندارد 5% داشته باشید، آلفا را در حالت پیشفرض نگه دارید، و اگر میخواهید یک نقطه شروع سریع داشته باشید، یک مثال بارگذاری کنید.
- را فشار دهید تست را اجرا کنید یا به روز رسانی خودکار را روشن بگذارید. سپس تعداد مورد انتظار، χ²، p-value و هشدارها را قبل از تفسیر نتیجه با هم مرور کنید.
تناسب اندام و استقلال در یک صفحه
این صفحه اولین نسخه را متمرکز نگه می دارد: دو حالت مربع خی، تصحیح یایت اختیاری برای جداول 2×2، هشدارهای تعداد مورد انتظار، و کپی کردن نتایج در سمت مرورگر.
ورودی های مناسب
یک ردیف در هر دسته وارد کنید: تعداد مشاهده شده به اضافه وزن مورد انتظار که برای ایجاد توزیع مورد انتظار استفاده می شود.
| دسته بندی | مشاهده شد | وزن مورد انتظار | اقدامات |
|---|
جایگذاری ردیفها (اختیاری)
چسباندن label, observed, expected weight یا observed, expected weight. یک ردیف در هر خط
ورودی های استقلال
اندازه جدول را تنظیم کنید، برچسب های ردیف و ستون را تنظیم کنید، سپس تعداد مشاهده شده را پر کنید.
آنچه را که صفحه محاسبه می کند
- تعداد مورد انتظار از حالت انتخابی و مجموع مشتق شده است.
- آماره کای دو شکاف مشاهده شده در مقابل مورد انتظار را در تمام سلول ها جمع می کند.
- p-value از توزیع کای دو با درجات آزادی منطبق استفاده می کند.
تفکیک تفصیلی
آزمایشی را برای پر کردن جدول دقیق اجرا کنید.
نمودارهای مناسب
نمودارها برای حالت خوب بودن ظاهر می شوند، بنابراین می توانید به سرعت تعداد مشاهده شده را با الگوی مورد انتظار مقایسه کنید و بزرگترین مشارکت ها را شناسایی کنید.
مشاهده شده در مقابل مورد انتظار
مشارکت بر اساس دسته
چگونه نتیجه را تفسیر کنیم
- با هشدارهای تعداد مورد انتظار شروع کنید. اگر تعداد زیادی از شمارشهای مورد انتظار بسیار کوچک باشند، مقدار p chi-square کمتر پایدار است.
- از χ² و جدول مشارکت با هم استفاده کنید. یک دسته یا سلول واحد می تواند بر کل تسلط داشته باشد.
- برای جداول استقلال، از V Cramer بهعنوان خلاصهای از اندازه افکت بدون مقیاس استفاده کنید، به جای اینکه فقط به اهمیت نگاه کنید.
- اگر دادههای شما از نسبت ژنتیکی مانند 3:1 یا 9:3:3:1 به دست میآیند، صفحه مندلی برای آن گردش کار بهتر تنظیم میشود.
سوالات متداول
چه زمانی باید از مناسب بودن در مقابل استقلال استفاده کنم؟
هنگامی که یک نمونه با نسبت شناخته شده یا توزیع مورد انتظار مقایسه می شود، از تناسب مناسب استفاده کنید. هنگامی که یک جدول اقتضایی دارید و می خواهید بررسی کنید که آیا سطرها و ستون ها مرتبط هستند از استقلال استفاده کنید.
هشدار در مورد شمارش های کوچک مورد انتظار به چه معناست؟
تستهای مجذور کای بر تقریبی تکیه میکنند که وقتی تعداد مورد انتظار بسیار کوچک است، میتواند ضعیف شود. این صفحه تعداد مورد انتظار را زیر 5 و کمتر از 1 پرچمگذاری میکند تا بدانید چه زمانی باید با احتیاط بیشتری با مقدار p رفتار شود.
آیا این ماشین حساب شامل تست دقیق فیشر می شود؟
خیر. این صفحه فقط بر روی جریان های کاری مربع خی تمرکز دارد. برای جداول بسیار کوچک 2×2 یک تست دقیق در نرم افزارهای تخصصی در نظر بگیرید.
Cramer's V چگونه نشان داده می شود؟
Cramer's V فقط برای جداول استقلال ظاهر می شود. کای اسکوئر را با اندازه نمونه و ابعاد جدول کوچکتر تغییر مقیاس می دهد، که مقایسه قدرت تداعی در جداول را آسان تر می کند.
آیا نشانی وب اشتراکگذاری شامل تعداد من میشود؟
خیر. URL اشتراک گذاری فقط تنظیمات صفحه سبک وزن مانند حالت، آلفا، تصحیح Yates و اندازه جدول را ذخیره می کند. تعداد وارد شده در مرورگر شما باقی می ماند.
بعد چه چیزی را مقایسه کنیم
اگر هنوز تصمیم میگیرید چه مقدار داده جمعآوری کنید، قبل از استفاده از این صفحه از ماشینحساب اندازه نمونه شروع کنید. اگر به یک گردش کار تخصصی ژنتیک با پیش تنظیم نسبت و نمونه های خاص دامنه نیاز دارید، به صفحه مندلی بروید. اگر به جای آن می خواهید آزمون های فرضیه مبتنی بر میانگین را انجام دهید، به صفحه آزمون t بروید. برای زمینه کلی در مورد مقادیر p و توزیع ها، صفحات زیر مستقیم ترین مراحل بعدی هستند.
ماشین حساب های مرتبط
نظرات (اختیاری)
برای کاهش بار، نظرات فقط در صورت نیاز واکشی می شوند.
پرسشهای متداول
چه زمانی باید از مناسب بودن در مقابل استقلال استفاده کنم؟
هنگامی که یک نمونه با نسبت شناخته شده یا توزیع مورد انتظار مقایسه می شود، از تناسب مناسب استفاده کنید. هنگامی که یک جدول اقتضایی دارید و می خواهید بررسی کنید که آیا سطرها و ستون ها مرتبط هستند از استقلال استفاده کنید.
هشدار در مورد شمارش های کوچک مورد انتظار به چه معناست؟
تستهای مجذور کای بر تقریبی تکیه میکنند که وقتی تعداد مورد انتظار بسیار کوچک است، میتواند ضعیف شود. این صفحه تعداد مورد انتظار را زیر 5 و کمتر از 1 پرچمگذاری میکند تا بدانید چه زمانی باید با احتیاط بیشتری با مقدار p رفتار شود.
آیا این ماشین حساب شامل تست دقیق فیشر می شود؟
خیر. این صفحه فقط بر روی جریان های کاری مربع خی تمرکز دارد. برای جداول بسیار کوچک 2×2 یک تست دقیق در نرم افزارهای تخصصی در نظر بگیرید.
Cramer's V چگونه نشان داده می شود؟
Cramer's V فقط برای جداول استقلال ظاهر می شود. کای اسکوئر را با اندازه نمونه و ابعاد جدول کوچکتر تغییر مقیاس می دهد، که مقایسه قدرت تداعی در جداول را آسان تر می کند.
آیا نشانی وب اشتراکگذاری شامل تعداد من میشود؟
خیر. URL اشتراک گذاری فقط تنظیمات صفحه سبک وزن مانند حالت، آلفا، تصحیح Yates و اندازه جدول را ذخیره می کند. تعداد وارد شده در مرورگر شما باقی می ماند.