Kalkulator testu chi-kwadrat (χ²)

Test chi-kwadrat (χ²) to nieparametryczny test statystyczny, który sprawdza, czy różnica między obserwowanymi a oczekiwanymi częstościami jest statystycznie istotna. Stosuje się go do danych kategorycznych, np. gdy chcemy sprawdzić, czy rozkład odpowiedzi w ankiecie jest zgodny z przewidywanym modelem.

Im wyższa wartość χ², tym większa różnica między danymi obserwowanymi a oczekiwanymi. Wartość χ² = 0 oznacza idealną zgodność. Aby ocenić istotność statystyczną, należy porównać obliczone χ² z wartością krytyczną dla odpowiedniej liczby stopni swobody i wybranego poziomu istotności (np. α = 0,05).

Stopnie swobody (df) w teście zgodności chi-kwadrat wynoszą df = k − 1, gdzie k to liczba kategorii. Przykładowo, jeśli analizujemy 4 kategorie, df = 3. Im więcej stopni swobody, tym wyższa wartość krytyczna χ² potrzebna do odrzucenia hipotezy zerowej.

Wynik p < 0,05 oznacza, że przy poziomie istotności 5% odrzucamy hipotezę zerową (H₀) o zgodności rozkładów. Innymi słowy, różnica między danymi obserwowanymi a oczekiwanymi jest statystycznie istotna i prawdopodobnie nie wynika z przypadku. Wynik p < 0,01 wskazuje na jeszcze mocniejsze dowody przeciw H₀.

Oba wyniki prowadzą do odrzucenia H₀, ale p < 0,01 oznacza silniejsze dowody statystyczne. Przy α = 0,01 dopuszczamy jedynie 1% ryzyko błędnego odrzucenia prawdziwej hipotezy zerowej (błąd I rodzaju), podczas gdy przy α = 0,05 ryzyko to wynosi 5%. W badaniach medycznych i naukach ścisłych często wymaga się p < 0,01.

Hipoteza zerowa (H₀) w teście zgodności chi-kwadrat głosi, że dane obserwowane pochodzą z populacji zgodnej z oczekiwanym rozkładem — różnice między wartościami obserwowanymi a oczekiwanymi wynikają wyłącznie z losowości próbkowania. Hipoteza alternatywna (H₁) zakłada, że rozkłady różnią się w sposób nieprzypadkowy.

Test chi-kwadrat nie jest odpowiedni, gdy oczekiwane częstości w jakiejkolwiek kategorii są mniejsze niż 5 — wynik może być wtedy niewiarygodny. Nie stosuje się go też dla danych ciągłych ani dla małych próbek (n < 20). W takich przypadkach lepszym wyborem jest dokładny test Fishera.

Test chi-kwadrat jest szeroko stosowany w: analizie wyników ankiet, badaniach genetycznych (weryfikacja prawa Mendla), kontroli jakości w produkcji, marketingu (testowanie skuteczności kampanii), naukach społecznych (analiza preferencji) oraz epidemiologii (ocena związku między ekspozycją a chorobą).

Wpisz liczby obserwowane oraz oczekiwane jako wartości oddzielone przecinkami, średnikami lub spacjami. Oba ciągi muszą zawierać co najmniej 2 wartości dodatnie. Kalkulator automatycznie sparuje wartości i obliczy χ², stopnie swobody oraz wartość p. Przykład: obserwowane "10,20,30", oczekiwane "15,20,25".

Test zgodności (goodness-of-fit) sprawdza, czy empiryczny rozkład jednej zmiennej jest zgodny z teoretycznym rozkładem oczekiwanym. Test niezależności chi-kwadrat analizuje tabelę krzyżową dwóch zmiennych kategorycznych i sprawdza, czy między nimi istnieje zależność statystyczna. Niniejszy kalkulator realizuje test zgodności.