Chi Quadratischen Tests Definition Investopedia Forex

Chi-Quadrat-Statistik Was ist ein Chi-Quadrat-Statistik Eine Chi-Quadrat-Statistik ist ein Maß, wie Erwartungen mit Ergebnissen vergleichen. Die Daten, die bei der Berechnung einer Chi-Quadrat-Statistik verwendet werden, müssen zufällig, roh, gegenseitig ausschließen. Aus unabhängigen Variablen gezogen und aus einer ausreichend großen Stichprobe entnommen. Zum Beispiel erfüllen die Ergebnisse des Münzwurfens 100 Mal diese Kriterien. BREAKING DOWN Chi-Quadrat-Statistik Als ein einfaches Beispiel, wie die Berechnung und Nutzung der Chi-Quadrat-Statistik, betrachten, werfen eine Münze 100-mal. Das erwartete Ergebnis des Werfens einer fairen Münze 100-mal ist, dass die Köpfe kommen bis 50-mal und Schwänze kommen bis 50-mal. Das eigentliche Ergebnis könnte sein, dass Köpfe bis 45 Mal kommt und Schwänze kommt 55 Mal. Die chi-Quadrat-Statistik zeigt irgendwelche Diskrepanzen zwischen den erwarteten Ergebnissen und den tatsächlichen Ergebnissen. Beispiel Chi Squared Berechnung Stellen Sie sich eine zufällige Umfrage über 2.000 verschiedenen Wähler, sowohl männlich als auch weiblich. Die Menschen, die reagierten, wurden nach ihrem Geschlecht klassifiziert und ob sie republikanisch, demokratisch oder unabhängig waren. Stellen Sie sich ein Gitter mit den Spalten markiert republikanischen, demokratischen und unabhängigen und zwei Reihen markiert männlich und weiblich. Angenommen, die Daten der 2.000 Befragten lauten wie folgt: männlich: 400 (republikanisch), 300 (demokratisch), 100 (unabhängig) - Gesamtzahl der Männer 800 weiblich: 500 (republikanisch), 600 (demokratisch), 100 (unabhängig) Frauen sind 1.200 Gesamtsummen: 900 (republikanisch), 900 (Demokrat), 200 (unabhängig) - Gesamtsumme 2.000 Der erste Schritt zur Berechnung der Chi-Quadrat-Statistik besteht darin, die erwarteten Frequenzen zu finden. Diese werden für jede Zelle im Gitter berechnet. Da es zwei Kategorien von Gender und drei Kategorien von politischen Sicht gibt es sechs insgesamt erwarteten Frequenzen. Die Formel für die erwartete Frequenz ist: E (r, c) (n (r) x c (r)) n wobei r die Zeile in Fragen, c die jeweilige Spalte und n die entsprechende Summe ist. In diesem Beispiel sind die erwarteten Frequenzen: E (1,1) (900 x 800) 2.000 360 E (1,2) (900 x 800) 2.000 360 E (1, .3) (200 x 800) 2.000 80 E (900 x 1.200) 2.000 540 E (2,3) (200 x 1.200) 2.000 120 Als nächstes werden diese Werte verwendet, um die Chi-Quadrat-Statistik zu berechnen (R, c)) E (r, c), wobei O (r, c) die beobachteten Daten für die gegebene Zeile und Spalte ist. In diesem Beispiel ist der Ausdruck für jeden beobachteten Wert: O (1,1) (400 - 360) 2 360 4,44 O (1,2) (300 - 360) 2 360 10 O (1,3) (100 - 80 ) 2 80 5 O (2,1) (500 - 540) 2 540 2,96 O (2,2) (600 - 540) 2 540 6,67 O (2,3) (100 - 120) 2 120 3,33 Die Chi-Quadrat-Statistik Dann ist die Summe dieser Wert, oder 32.41.Unterstanding Deskriptive vs Inferenzstatistik By Ashley Crossman. Soziologie-Experte Aktualisiert 13. Dezember 2016. Wie wir mit quantitativen Daten innerhalb der Soziologie arbeiten und Sinn machen, fällt in zwei Lager: deskriptive Statistiken gegen inferentielle Statistiken. Einfach ausgedrückt, beschreibende Statistiken beschreiben die Population oder den Datensatz in der Studie, während inferentielle Statistiken ermöglichen es uns, die Ergebnisse aus einer Stichprobe zu nehmen und verallgemeinern sie zu einer größeren Bevölkerung. Let39s graben tiefer in die Unterschiede zwischen den beiden, und lernen, wie jeder nützlich in der sozialwissenschaftlichen Forschung ist. Lesen Sie weiter unten Beschreibende Statistik Deskriptive Statistiken sind die grundlegenden Statistiken, die beschreiben, was los ist in einer Bevölkerung oder Datensatz. Sie sind wichtig und nützlich, weil sie uns erlauben, Muster aus unseren Daten zu sehen und so die Daten zu verstehen. Es ist wichtig zu erkennen, dass deskriptive Statistiken nur verwendet werden können, um die zu untersuchende Population oder den Datensatz zu beschreiben. Das heißt, die Ergebnisse können nicht auf eine andere Gruppe oder Bevölkerung verallgemeinert werden. Es gibt zwei Arten von deskriptiven Statistiken, die Sozialwissenschaftler verwenden: Maßnahmen der zentralen Tendenz und Maßnahmen der Ausbreitung. Maßnahmen der zentralen Tendenz erfassen die allgemeinen Tendenzen innerhalb der Daten und werden als Mittelwert berechnet und ausgedrückt. Median. Und Modus. Eine mittlere sagen Sie uns die mathematischen Durchschnitt aller unserer Daten, wie zum Beispiel durchschnittliche Alter an der ersten Ehe Median stellt die Mitte der Datenverteilung, wie das Alter, das in der Mitte des Bereichs von Altersgruppen sitzt, bei denen die Menschen zuerst heiraten und Modus Ist der häufigste Wert in den Daten, wie das häufigste Alter, bei dem die Menschen zuerst heiraten. Mittlerweile beschreiben Maßstäbe der Verbreitung, wie die Daten verteilt werden und wie sie sich aufeinander beziehen. Lesen Sie weiter unten Statistische Messungen, die uns diesen Bereich anzeigen (den gesamten Wertebereich in einem Datensatz), die Häufigkeitsverteilung (wie oft ein bestimmter Wert innerhalb eines Datensatzes auftritt), Quartile (Untergruppen, die innerhalb eines Datensatzes gebildet werden, wenn alle Werte werden in vier gleiche Teile über den gesamten Bereich geteilt), die mittlere absolute Abweichung (der Mittelwert, um wieviel jeder Wert vom Mittelwert abweicht), die Varianz (veranschaulicht, wie viel von einer Verteilung in unseren Daten vorhanden ist) und Standardabweichung (veranschaulicht die Ausbreitung Der Daten bezogen auf den Mittelwert). Ausbreitungsmaße werden oft visuell in Tabellen, Kuchen - und Balkendiagrammen dargestellt, und Histogramme, um unser Verständnis der Trends in den Daten zu unterstützen. Inferentielle Statistiken Während deskriptive Statistiken uns grundlegende Informationen über die Population oder den Datensatz in der Studie liefern, werden Inferenzstatistiken durch komplexere mathematische Berechnungen erzeugt und ermöglichen es uns, auf Trends einer größeren Population basierend auf einer Studie einer daraus entnommenen Probe zu schließen. Wir verwenden Inferenzstatistik, um die Beziehungen zwischen Variablen innerhalb eines Beispiels zu untersuchen und dann Verallgemeinerungen oder Vorhersagen darüber zu machen, wie sich diese Variablen in einer größeren Population beziehen. Die meisten quantitativen Sozialwissenschaften arbeiten mit inferentiellen Statistiken, weil es in der Regel zu teuer oder zeitaufwendig, um eine gesamte Bevölkerung von Menschen zu studieren. Mit Hilfe einer statistisch gültigen Stichproben - und Schlussstatistik können wir Untersuchungen durchführen, die sonst nicht möglich wären. (Klicken Sie hier, um mehr über die verschiedenen Arten von Proben zu lernen und wie sie zu kompilieren und zu verwenden.) Bei der Durchführung von Forschung mit inferentiellen Statistiken ist es wichtig und notwendig, Test von Bedeutung zu führen, um zu wissen, ob Sie Ihre Ergebnisse zu einem größeren verallgemeinern können Bevölkerung. Häufige Tests von Bedeutung schließen den Chi-Quadrat und den T-Test ein. Diese erklären uns die Wahrscheinlichkeit, dass die Ergebnisse unserer Analyse der Probe repräsentativ für die Population sind, die die Probe repräsentiert.