Od 2010 · Ponad 2 mln uruchomień narzędzi miesięcznie
Od 2010
Dodaj do Chrome

Moje Narzędzia

Tryb Automatyczny

Nie zapisano jeszcze żadnych narzędzi.

Uaktualnij do Wersji Premium
Powiązane narzędzia
Następny krok
Kalkulator Dokładnego Testu FisheraKalkulator Tabeli Kontyngencji
Ta sama sytuacja
Kalkulator Wartości pKalkulator Wielkości Efektu
Więcej narzędzi
Kalkulator Testu U Manna-WhitneyaKalkulator Testu tKalkulator testu Kruskala-WallisaKalkulator ANOVAKalkulator Twierdzenia BayesaKalkulator Ryzyka Względnego
Strona główna > Matematyka > Statystyki i analiza danych
 

Kalkulator testu chi-kwadrat

Przeprowadź test chi-kwadrat niezależności, aby sprawdzić czy dwie zmienne kategoryczne są istotnie powiązane. Otrzymaj statystykę chi-kwadrat, p-value, oczekiwane częstości, wkład komórek i wielkość efektu V Cramera, krok po kroku.

3 darmowe użycia dziennieBez rejestracjiNatychmiastowe wyniki
Kalkulator testu chi-kwadratWypróbuj teraz — za darmo ▼
χ² sumuje (O − E)²/E: jak daleko każda liczebność jest od oczekiwanej

Wpisz poniżej tablicę kontyngencji (lub liczebności obserwowane dla testu zgodności), aby otrzymać χ², df, wartość p, liczebności oczekiwane, wkład każdej komórki i V Craméra.

Wprowadź tablicę wielodzielczą

Szybkie przykłady

Embed Kalkulator testu chi-kwadrat Widget

O Kalkulator testu chi-kwadrat

Kalkulator testu chi-kwadrat przeprowadza test niezależności chi-kwadrat, aby określić, czy istnieje statystycznie istotny związek między dwiema zmiennymi kategorycznymi. To wszechstronne narzędzie oblicza statystykę chi-kwadrat, wartość p, stopnie swobody, liczebności oczekiwane, wkłady komórek oraz wielkość efektu (V Craméra), zapewniając pełną analizę statystyczną wraz z wyjaśnieniami krok po kroku.

Co to jest test niezależności chi-kwadrat?

Test niezależności chi-kwadrat jest nieparametrycznym testem statystycznym służącym do analizy związku między dwiema zmiennymi kategorycznymi zestawionymi w tablicy wielodzielczej. Porównuje on liczebności obserwowane (rzeczywiste zliczenia z Twoich danych) z liczebnościami oczekiwanymi (które otrzymalibyśmy, gdyby zmienne były naprawdę niezależne).

Test weryfikuje hipotezę zerową mówiącą, że obie zmienne są od siebie niezależne. Jeśli test wykaże wystarczająco dużą statystykę chi-kwadrat (co skutkuje małą wartością p), odrzucamy hipotezę zerową i wnioskujemy, że istnieje statystycznie istotny związek między zmiennymi.

Wzór na statystykę chi-kwadrat

Statystyka chi-kwadrat
$$\chi^2 = \sum \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$$

Gdzie:

Wzór na liczebność oczekiwaną

Liczebność oczekiwana
$$E_{ij} = \frac{R_i \times C_j}{N}$$

Gdzie:

Stopnie swobody

Stopnie swobody
$$df = (r - 1) \times (c - 1)$$

Gdzie r to liczba wierszy, a c to liczba kolumn. Stopnie swobody określają, który rozkład chi-kwadrat należy zastosować do obliczenia wartości p.

Interpretacja wyników testu chi-kwadrat

Wartość p (P-Value)

Wartość p informuje o prawdopodobieństwie zaobserwowania statystyki chi-kwadrat tak ekstremalnej jak obliczona (lub bardziej), przy założeniu prawdziwości hipotezy zerowej:

Typowe poziomy istotności (α):

Poziom αPewnośćZastosowanie
0,1090%Analiza eksploracyjna, badania wstępne
0,0595%Standard w większości badań (najczęstszy)
0,0199%Bardziej rygorystyczne testy, badania medyczne
0,00199,9%Bardzo surowe kryteria, decyzje o wysokiej stawce

Wielkość efektu: V Craméra

Podczas gdy wartość p mówi o tym, czy związek istnieje, V Craméra mierzy siłę tego związku:

$$V = \sqrt{\frac{\chi^2}{N \times (k - 1)}}$$

Gdzie k = min(liczba wierszy, liczba kolumn). Wytyczne interpretacyjne:

V CraméraSiła związku
0,00 - 0,10Związek pomijalny
0,10 - 0,30Związek słaby
0,30 - 0,50Związek umiarkowany
0,50+Związek silny

Założenia testu chi-kwadrat

  1. Niezależność: Obserwacje muszą być od siebie niezależne.
  2. Wielkość próby: Liczebności oczekiwane powinny wynosić co najmniej 5 w każdej komórce.
  3. Losowy dobór próby: Dane powinny pochodzić z próby losowej.
  4. Dane kategoryczne: Obie zmienne muszą być kategoryczne (nominalne lub porządkowe).

Gdy liczebności oczekiwane są mniejsze niż 5, przybliżenie chi-kwadrat może być niewiarygodne. Dla tabel 2×2 warto rozważyć użycie dokładnego testu Fishera. Ten kalkulator ostrzega, gdy jakakolwiek liczebność oczekiwana jest mniejsza niż 5.

Typowe zastosowania

Jak korzystać z tego kalkulatora

  1. Wprowadź tablicę wielodzielczą: Wpisz liczebności obserwowane (wiersze w nowych liniach, kolumny oddzielone spacjami lub przecinkami).
  2. Wybierz poziom istotności: Wybierz α = 0,05 (95% pewności) dla standardowej analizy lub dostosuj według potrzeb.
  3. Ustaw precyzję dziesiętną: Wybierz liczbę miejsc po przecinku dla wyników.
  4. Przejrzyj wyniki: Zapoznaj się ze statystyką chi-kwadrat, wartością p, wnioskiem i wielkością efektu.
  5. Przeanalizuj tabele: Porównaj liczebności obserwowane z oczekiwanymi i zidentyfikuj komórki najbardziej wpływające na wynik.

Często zadawane pytania

Co to jest test niezależności chi-kwadrat?

Test niezależności chi-kwadrat to statystyczny test hipotezy służący do określenia, czy istnieje istotny związek między dwiema zmiennymi kategorycznymi. Porównuje on liczebności obserwowane z liczebnościami oczekiwanymi przy założeniu niezależności. Jeśli statystyka jest duża (p < α), odrzucamy hipotezę o niezależności.

Jak interpretować wartość p w teście chi-kwadrat?

Wartość p to prawdopodobieństwo uzyskania tak skrajnego wyniku przy założeniu, że hipoteza zerowa jest prawdziwa. Jeśli p ≤ α (zwykle 0,05), odrzucamy hipotezę zerową i stwierdzamy istotny związek. Jeśli p > α, nie ma podstaw do odrzucenia hipotezy zerowej.

Co to są stopnie swobody w teście chi-kwadrat?

Stopnie swobody (df) dla testu niezależności oblicza się jako (r-1) × (c-1), gdzie r to liczba wierszy, a c to liczba kolumn. Na przykład tabela 3×4 ma df = (3-1) × (4-1) = 6.

Co to jest V Craméra i jak go interpretować?

V Craméra mierzy wielkość efektu w skali od 0 do 1. Wskazuje siłę związku: V < 0,1 to efekt pomijalny, 0,1-0,3 słaby, 0,3-0,5 umiarkowany, a V > 0,5 silny. W przeciwieństwie do p, V Craméra nie zależy od wielkości próby.

Kiedy zamiast tego użyć dokładnego testu Fishera?

Użyj dokładnego testu Fishera, gdy liczebności oczekiwane są małe (dowolna wartość poniżej 5). Test chi-kwadrat jest przybliżeniem, które traci na dokładności przy małych liczebnościach. Dla tabel 2×2 test Fishera daje dokładne wyniki.

Jak wprowadzić dane do kalkulatora?

Wprowadź tabelę z wierszami w oddzielnych liniach i kolumnami oddzielonymi spacjami lub przecinkami. Dla tabeli 2×3: wpisz '10, 20, 30' w pierwszym wierszu i '15, 25, 35' w drugim.

Czy w teście chi-kwadrat mogę wpisać wartości procentowe zamiast liczebności?

Wpisz zaobserwowane liczebności, a nie wartości procentowe. Częstości oczekiwane i statystyka chi-kwadrat zależą od liczby obserwacji, więc same procenty bez liczebności próby nie wystarczą. Na przykład informacja, że „60% woli opcję A”, może oznaczać 6 z 10 osób albo 600 z 1 000. Te liczebności dostarczają różnych informacji. Jeśli znasz liczebność próby, przelicz procenty na liczebności.

Co sprawdzić, jeśli niektóre oczekiwane liczebności komórek są bardzo małe?

Przed interpretacją zwykłego przybliżenia chi-kwadrat sprawdź częstości oczekiwane. Popularna reguła orientacyjna mówi, że w większości komórek oczekiwana liczebność powinna wynosić co najmniej 5, a w żadnej nie powinna być mniejsza niż 1. W rzadkich tabelach przybliżenie może być niewiarygodne. W tabeli 2×2 z małymi liczebnościami często odpowiedni jest dokładny test Fishera. Łącz kategorie tylko wtedy, gdy ma to uzasadnienie merytoryczne.

Jak sprawdzić, które komórki najbardziej przyczyniają się do istotnego wyniku testu chi-kwadrat?

Sprawdź wkłady poszczególnych komórek, które pokazują, jak bardzo każda różnica między liczebnością zaobserwowaną a oczekiwaną wpływa na łączną statystykę chi-kwadrat. Duży wkład wskazuje komórkę, w której liczebność zaobserwowana wyraźnie odbiega od wartości przewidywanej przy założeniu niezależności. Na przykład w jednej kategorii grupa może mieć więcej odpowiedzi, niż oczekiwano, a w innej — mniej. Wkłady pomagają znaleźć wzorzec, ale nie są osobnymi testami istotności.

Dodatkowe zasoby

Cytuj ten materiał, stronę lub narzędzie w następujący sposób:

"Kalkulator testu chi-kwadrat" na https://MiniWebtool.com/pl/kalkulator-testu-chi-kwadrat/ z MiniWebtool, https://MiniWebtool.com/

przez zespół miniwebtool. Aktualizacja: 20 stycznia 2026

Dostępne API dla deweloperów: Uruchom to narzędzie z aplikacji, automatyzacji lub agenta za pomocą jednego żądania HTTP JSON. Zobacz dokumentację API

Statystyki i analiza danych:

Rozwiązywanie matematykiCo chcesz obliczyć?

Rozwiązywanie matematyki

Przykłady
Więcej wyrażeń

Wybierz przykład, zmień liczby i rozwiąż. log ma podstawę 10; ln to logarytm naturalny.

Liczby i dzielniki

Ułamki i dzielenie

Potęgi, pierwiastki i logarytmy

Algebra i równania

Rachunek różniczkowy i całkowy

Geometria i trygonometria

Popularne i zaktualizowane narzędzia:

Kalkulator Testu F i Rozkładu FKalkulator Istotności Testu A/BKalkulator Wielkości Próby Testu A/BZobacz wszystkie →
Strona główna > Matematyka > Statystyki i analiza danych > Kalkulator testu chi-kwadrat