Cos'è la V di Cramer e come si interpreta?

La V di Cramer è una misura della dimensione dell'effetto per il test chi-quadrato, che va da 0 (nessuna associazione) a 1 (associazione perfetta). Per le tabelle 2x2, i valori inferiori a 0,10 sono trascurabili, 0,10-0,30 piccoli, 0,30-0,50 medi e superiori a 0,50 grandi. Per tabelle più grandi le soglie sono più basse. A differenza del p-value, la V di Cramer indica la forza dell'associazione, non solo se esiste.

Calcolatore Tabella di Contingenza

Analizza le relazioni tra dati categorici con il test chi-quadrato di indipendenza. Supporta qualsiasi tabella di contingenza R×C con frequenze attese, residui standardizzati, effect size V di Cramér, mosaic plot animato, heatmap dei residui e soluzioni passo-passo.

📌 Esempi rapidi:

Dimensioni tabella: ×

Incolla dati (righe come linee, valori separati da virgole, spazi o tabulazioni)

Etichette righe (opzionale, separate da virgola)

Etichette colonne (opzionale, separate da virgola)

Livello di significatività (α):

Embed Calcolatore Tabella di Contingenza Widget

Calcolatore Tabella di Contingenza

Il Calcolatore Tabella di Contingenza esegue il test chi-quadrato di indipendenza su qualsiasi tabella di contingenza R×C (tavola di incrocio). Inserisci le tue frequenze osservate per verificare se due variabili categoriche sono statisticamente associate. Ottieni risultati dettagliati tra cui frequenze attese, residui standardizzati regolati, dimensione dell'effetto V di Cramér, analisi del contributo delle celle, grafici a mosaico interattivi, heatmap dei residui, curve di distribuzione chi-quadrato e una soluzione completa passo dopo passo.

Come Usare il Calcolatore Tabella di Contingenza

Imposta le dimensioni della tabella — scegli il numero di righe e colonne per la tua tabella di contingenza. L'impostazione predefinita è una tabella 2×2, ma puoi analizzare tabelle fino a 10×10 utilizzando i selettori a discesa.
Inserisci le frequenze osservate — digita il conteggio osservato per ogni cella direttamente nella griglia interattiva. In alternativa, passa alla modalità "Inserimento Testo" per incollare dati separati da tabulazione o virgola. Tutti i valori devono essere numeri interi non negativi.
Aggiungi etichette (opzionale) — inserisci le etichette delle categorie di riga e colonna separate da virgole. Le etichette rendono le tabelle e i grafici di output più facili da interpretare. Ad esempio, "Uomo, Donna" per le righe e "Sì, No" per le colonne.
Imposta il livello di significatività — scegli il livello α desiderato. La scelta più comune è 0,05 (confidenza al 95%). Valori di α più piccoli (0,01, 0,001) richiedono prove più forti per dichiarare la significatività.
Analizza i risultati — clicca su "Analizza Tabella di Contingenza" per vedere la statistica chi-quadrato, il p-value, le misure della dimensione dell'effetto, le visualizzazioni e la soluzione passo-passo.

Cos'è una Tabella di Contingenza?

Una tabella di contingenza (chiamata anche tavola di incrocio, crosstab o tabella di frequenza a due vie) mostra la distribuzione di frequenza congiunta di due variabili categoriche. Ogni riga rappresenta una categoria della prima variabile, ogni colonna rappresenta una categoria della seconda variabile e ogni cella contiene il conteggio delle osservazioni che rientrano in quella specifica combinazione. Le tabelle di contingenza sono la base per molti metodi di analisi dei dati categorici, tra cui il test chi-quadrato, il test esatto di Fisher e i modelli log-lineari.

Il Test Chi-Quadrato di Indipendenza

Il test chi-quadrato (χ²) di indipendenza determina se esiste un'associazione statisticamente significativa tra due variabili categoriche. Funziona confrontando le frequenze delle celle osservate con le frequenze che ci si aspetterebbe se le variabili fossero indipendenti.

χ² = Σ (Oᵢⱼ − Eᵢⱼ)² / Eᵢⱼ

Dove Oᵢⱼ è la frequenza osservata nella cella (i,j) ed Eᵢⱼ è la frequenza attesa calcolata come:

Eᵢⱼ = (Totale Riga(i) × Totale Colonna(j)) / Totale Complessivo

I gradi di libertà per il test sono (r − 1) × (c − 1), dove r è il numero di righe e c è il numero di colonne. Un valore χ² più grande indica una maggiore discrepanza tra le frequenze osservate e quelle attese, suggerendo che le variabili sono associate.

V di Cramér — Misurare la Dimensione dell'Effetto

Mentre il p-value indica se esiste un'associazione, la V di Cramér indica quanto sia forte. La V di Cramér varia da 0 (nessuna associazione) a 1 (associazione perfetta) e si calcola come:

V = √(χ² / (N × (k − 1)))

Dove N è la dimensione totale del campione e k è il valore minore tra il numero di righe o colonne. L'interpretazione della V di Cramér dipende dai gradi di libertà:

Dimensione dell'Effetto	df* = 1	df* = 2	df* ≥ 3
Trascurabile	< 0,10	< 0,07	< 0,06
Piccola	0,10 – 0,30	0,07 – 0,21	0,06 – 0,17
Media	0,30 – 0,50	0,21 – 0,35	0,17 – 0,29
Grande	≥ 0,50	≥ 0,35	≥ 0,29

*df* si riferisce a min(righe, colonne) − 1

Comprendere i Residui Standardizzati

I residui standardizzati regolati rivelano quali celle specifiche contribuiscono maggiormente a un risultato chi-quadrato significativo. Un residuo di +2,5 in una cella significa che quella cella ha 2,5 deviazioni standard in più di osservazioni rispetto a quanto atteso sotto l'indipendenza. Le soglie chiave sono:

|r| > 1,96 — significativamente diverso dal previsto (p < 0,05)
|r| > 2,58 — altamente significativamente diverso dal previsto (p < 0,01)
Residuo positivo — più osservazioni del previsto in quella cella
Residuo negativo — meno osservazioni del previsto in quella cella

Quando Usare il Test Chi-Quadrato

Dati categorici — entrambe le variabili devono essere categoriche (nominali o ordinali)
Osservazioni indipendenti — ogni osservazione deve essere contata una sola volta
Dimensione del campione adeguata — almeno l'80% dei conteggi attesi dovrebbe essere ≥ 5, e nessun conteggio atteso dovrebbe essere inferiore a 1
Campionamento casuale — le osservazioni dovrebbero provenire da un campione casuale della popolazione

Se i conteggi attesi sono troppo bassi, considera di combinare le categorie, utilizzare il test esatto di Fisher (per tabelle 2×2) o utilizzare test esatti o simulazioni Monte Carlo per tabelle più grandi.

Test Chi-Quadrato vs Test Esatto di Fisher

Il test chi-quadrato utilizza un'approssimazione per grandi campioni; il test di Fisher calcola le probabilità esatte
Il test di Fisher è preferito per le tabelle 2×2 con conteggi attesi piccoli (< 5)
Il test chi-quadrato si generalizza naturalmente a tabelle R×C di qualsiasi dimensione
Per campioni grandi, entrambi i test producono risultati molto simili

FAQ

Cos'è una tabella di contingenza?

Una tabella di contingenza (chiamata anche tavola di incrocio o crosstab) è una tabella che mostra la distribuzione di frequenza di due o più variabili categoriche. Ogni cella mostra il conteggio delle osservazioni che rientrano in una specifica combinazione di categorie. È la base per verificare se le variabili sono indipendenti o associate utilizzando il test chi-quadrato.

Cos'è il test chi-quadrato di indipendenza?

Il test chi-quadrato di indipendenza determina se esiste un'associazione statisticamente significativa tra due variabili categoriche in una tabella di contingenza. Confronta le frequenze delle celle osservate con le frequenze attese calcolate partendo dal presupposto che le variabili siano indipendenti. Una statistica chi-quadrato elevata rispetto ai gradi di libertà suggerisce che le variabili sono associate.

Cos'è la V di Cramér e come si interpreta?

La V di Cramér è una misura della dimensione dell'effetto per il test chi-quadrato, che va da 0 (nessuna associazione) a 1 (associazione perfetta). Per le tabelle 2×2, i valori inferiori a 0,10 sono trascurabili, 0,10–0,30 è un effetto piccolo, 0,30–0,50 è medio e superiore a 0,50 è grande. Per tabelle più grandi le soglie sono proporzionalmente più basse. A differenza del p-value, la V di Cramér misura la forza dell'associazione, non solo se esiste statisticamente.

Cosa sono i residui standardizzati in una tabella di contingenza?

I residui standardizzati regolati mostrano quanto ogni cella devia da ciò che ci si aspetterebbe sotto l'indipendenza. Valori superiori a +1,96 o inferiori a −1,96 indicano uno scostamento significativo al livello 0,05. Residui positivi significano più osservazioni del previsto in quella cella; residui negativi significano meno. Aiutano a individuare quali specifiche combinazioni di celle guidano l'associazione complessiva.

Quando non dovrei usare il test chi-quadrato?

Il test chi-quadrato può essere inaffidabile quando le frequenze attese sono molto basse — specificamente quando più del 20% dei conteggi attesi scende sotto 5, o qualsiasi conteggio atteso è inferiore a 1. Per tabelle 2×2 con campioni piccoli, è preferibile il test esatto di Fisher. Il test richiede anche osservazioni indipendenti, quindi non dovrebbe essere usato con dati appaiati, accoppiati o a misure ripetute.

Cita questo contenuto, pagina o strumento come:

"Calcolatore Tabella di Contingenza" su https://MiniWebtool.com/it/calcolatore-tabella-di-contingenza/ di MiniWebtool, https://MiniWebtool.com/

dal team di miniwebtool. Aggiornato il: 2026-04-15

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Calcolatore Tabella di Contingenza

Calcolatore Tabella di Contingenza

Come Usare il Calcolatore Tabella di Contingenza

Cos'è una Tabella di Contingenza?

Il Test Chi-Quadrato di Indipendenza

V di Cramér — Misurare la Dimensione dell'Effetto

Comprendere i Residui Standardizzati

Quando Usare il Test Chi-Quadrato

Test Chi-Quadrato vs Test Esatto di Fisher

FAQ

Cos'è una tabella di contingenza?

Cos'è il test chi-quadrato di indipendenza?

Cos'è la V di Cramér e come si interpreta?

Cosa sono i residui standardizzati in una tabella di contingenza?

Quando non dovrei usare il test chi-quadrato?

Statistiche e analisi dati:

Strumenti in primo piano: