test estadístic From Wikipedia, the free encyclopedia
En estadística i estadística aplicada es denomina prova de khi quadrat (pronunciat [xi][lower-alpha 1]) o prova de χ² a qualsevol contrast d'hipòtesis en el qual l'estadístic utilitzat segueix una distribució χ² si la hipòtesi nul·la és certa.[1][2][3] Alguns exemples de proves χ² són els següents:
La prova és vàlida quan l'estadística de la prova és distribuïda khi quadrat sota la hipòtesi nul·la, específicament prova de khi quadrat de Pearson i variants d'aquesta. La prova de khi-quadrat de Pearson s'utilitza per a determinar si existeix una diferència estadísticament significativa entre la freqüència esperada i les freqüències observades en una o més categories d'una taula de contingència. Per a taules de contingència amb grandàries de mostra més petites s'utilitza en el seu lloc una prova exacta de Fisher.
En les aplicacions estàndard d'aquesta prova, les observacions es classifiquen en classes mútuament excloents. Si la hipòtesi nul·la segons la qual no hi ha diferències entre les classes de la població és certa, l'estadística de prova calculada a partir de les observacions segueix una distribució de freqüències χ2. El propòsit de la prova és avaluar quina probabilitat tindrien les freqüències observades suposant que la hipòtesi nul·la fos certa.
Els estadístics de prova que segueixen una distribució χ2 ocorren quan les observacions són independents. També hi ha proves χ2 per a provar la hipòtesi nul·la d'independència d'un parell de variables aleatòries basades en observacions dels parells.
El terme prova de khi quadrat sol referir-se a proves en les quals la distribució de l'estadístic de prova s'aproxima a la distribució χ2 de forma asimptòtica, la qual cosa significa que la distribució mostral (si la hipòtesi nul·la és una certa) de l'estadístic de prova s'aproxima cada vegada més a una distribució khi quadrat a mesura que augmenten les grandàries de mostra.
Al segle xix, els mètodes d'anàlisi estadística s'aplicaven principalment en l'anàlisi de dades biològiques i era habitual que els investigadors assumissin que les observacions seguien una distribució normal, tal com feren Sir George Airy i Mansfield Merriman, els treballs dels quals van ser criticats per Karl Pearson al un article seu de 1900.[4]
A la finals del segle XIX, Pearson es va adonar de l'existència d'una asimetria significativa en algunes observacions biològiques. Per a modelar les observacions independentment que fossin normals o esbiaixades, Pearson, en una sèrie d'articles publicats entre 1893 i 1916,[5][6][7][8] va desenvolupar la distribució de Pearson, una família de distribucions de probabilitat contínua que inclou la distribució normal i nombroses distribucions esbiaixades, i va proposar un mètode d'anàlisi estadística consistent a utilitzar la distribució de Pearson per a modelar les observacions i realitzar proves de bondat d'ajust per a determinar si un model s'ajusta a les observacions.
El 1900 Pearson va publicar un treball[4] sobre la prova χ2 que és considerat una de les pedres fundacionals de l'estadística moderna.[9] En aquest treball, Pearson va investigar una prova de bondat d'ajust.
Suposi's que n observacions d'una mostra aleatòria d'una població es classifiquen en k classes mútuament exclusives amb nombres observats respectius xi (per a i = 1,2…,k), i una hipòtesi nul·la dona la probabilitat pi que una observació caigui dintre la classe i-èsima. S'obté, per tant, els nombres esperants mi = npi per a tot i, on:
Pearson proposà que, sota la circumstància que la hipòtesi nul·la sigui correcta, si n → ∞ la distribució limitant de la quantitat de sota és la distribució χ2.
Pearson tractà primer el cas en el qual els nombres esperants mi són nombres prou grans i coneguts en totes les cel·les assumint que tota observació xi es pugui considerar normalment distribuïda, i arribà al resultat que, al límit quan n esdevé molt gran, X2 segueix la distribució χ2 amb k − 1 graus de llibertat.
Tanmateix, a continuació Pearson considerà el cas en el qual els nombres esperats depenen dels paràmetres a estimar a partir de la mostra, i suggerí que, amb la notació de mi sent els nombres esperats verdaders i m′i sent els nombres esperats estimats, la diferència
usualment seria positiva i prou petita per a poder omesa. En conclusió, Pearson argumentà que si es mira X2 també distribuïda com una distribució χ2 amb k − 1 graus de llibertat, l'error d'aquesta aproximació no afecta les decisions pràctiques. Aquesta conclusió causà una mica de controvèrsia en aplicacions pràctiques i no es resolgué definitivament fins al cap de vint anys, amb la publicació dels articles de Fisher de 1922 i 1924.[10][11]
Un estadístic de prova que segueix una distribució khi quadrat de manera exacta és el test que la variància d'una població normalment distribuïda té un cert valor basat en una variància mostral. Aquests tests són poc comuns a la pràctica perquè normalment es desconeix la variància real de la població. Tanmateix existeixen moltes proves estadítsiques en les quals la distribució khi quadrat és aproximadament vàlida:
Per a la prova exacta utilitzada en lloc de la prova de khi quadrat 2 × 2 d'independència, vegeu Prova exacta de Fisher.
Per a la prova exacta utilitzada en lloc de la prova de khi quadrat 2 × 1 de bondat d'ajust, vegeu Prova binomial.
Suposi's que hi ha una ciutat amb 1.000.000 de residents amb quatre veïnats A, B, C i D. Es pren una mostra aleatòria de 650 residents de la ciutat i es classifiquen segons el tram de renda econòmica «baixa», «mitjana» o «alta». La hipòtesi nul·la és que el veïnat de residència de cada persona és independent de la seva posició de tram de renda econòmica. Les dades es troben tabulades en la següent taula:
| A | B | C | D | Total | |
|---|---|---|---|---|---|
| Renda baixa | 90 | 60 | 104 | 95 | 349 |
| Renda mitjana | 30 | 50 | 51 | 20 | 151 |
| Renda alta | 30 | 40 | 45 | 35 | 150 |
| Total | 150 | 150 | 200 | 150 | 650 |
Prengui's la mostra de les persones que viuen al veïnat A, 150, per tal d'estimar quina proporció del total d'1.000.000 habitants viuen al veïnat A. De la mateixa manera, calculi's 349650 per a estimar quina proporció dels 1.000.000 habitants són de renda baixa. Per assumpció d'independència sota la hipòtesi nul·la s'hauria d'"esperar" que el nombre de persones de «renda baixa» al veïnat A són:
En aquesta cel·la de la taula es té que:
La suma d'aquestes quantitats sobre totes les cel·les és l'estadístic de prova; en aquest cas, . Sota la hipòtesi nul·la, aquesta suma té aproximadament una distribució de khi quadrat amb el següent nombre de graus de llibertat:
Si l'estadístic de prova és improbablement gran segons aquesta distribució de khi quadrat, es rebutja la hipòtesi nul·la d'independència.
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
![{\displaystyle {\begin{aligned}&\sum _{i=1}^{k}{p_{i}}=1\\[8pt]&\sum _{i=1}^{k}{m_{i}}=n\sum _{i=1}^{k}{p_{i}}=n\end{aligned}}}](http://wikimedia.org/api/rest_v1/media/math/render/svg/5ce5b812c1fa0ff2c7be93b99ce1d273bbb42a98)
