Chi-Quadrat-Anpassungstest auf einem TI-84-Rechner

Ein Chi-Quadrat-Anpassungstest wird verwendet, um zu bestimmen, ob eine kategoriale Variable einer hypothetischen Verteilung folgt oder nicht.

In diesem Tutorial wird erklärt, wie ein Chi-Quadrat-Anpassungstest auf einem TI-84-Rechner durchgeführt wird.

Beispiel: Chi-Quadrat-Anpassungstest auf einem TI-84- Rechner

Ein Ladenbesitzer behauptet, dass an jedem Wochentag eine gleiche Anzahl von Kunden in seinen Laden kommt. Um diese Hypothese zu testen, zeichnet ein unabhängiger Forscher die Anzahl der Kunden auf, die in einer bestimmten Woche in den Shop kommen, und stellt Folgendes fest:

• Montag: 50 Kunden
• Dienstag: 60 Kunden
• Mittwoch: 40 Kunden
• Donnerstag: 47 Kunden
• Freitag: 53 Kunden

Wir werden die folgenden Schritte ausführen, um einen Chi-Quadrat-Anpassungstest durchzuführen, um festzustellen, ob die Daten mit der Behauptung des Ladenbesitzers übereinstimmen.

Schritt 1: Geben Sie die Daten ein.

Zunächst geben wir die Datenwerte für die erwartete Anzahl von Kunden pro Tag und die beobachtete Anzahl von Kunden pro Tag ein. Drücken Sie Stat und dann EDIT. Geben Sie die folgenden Werte für die beobachtete Anzahl von Kunden in Spalte L1 und die Werte für die erwartete Anzahl von Kunden in Spalte L2 ein:

Hinweis: Insgesamt gab es 250 Kunden. Wenn der Ladenbesitzer erwartet, dass jeden Tag die gleiche Anzahl in den Laden kommt, sind das 50 Kunden pro Tag.

Schritt 2: Führen Sie den Chi-Quadrat-Anpassungstest durch.

Als nächstes führen wir den Chi-Quadrat-Anpassungstest durch. Drücken Sie Stat und scrollen Sie dann zu TESTS. Scrollen Sie dann nach unten zu X ² GOF-Test und drücken Sie die Eingabetaste.

Wählen Sie für Beobachtet die Liste L1. Wählen Sie unter Erwartet die Liste L2 aus. Geben Sie für df (Freiheitsgrade) # Kategorien ein – 1. In unserem Fall haben wir 5-1 = 4. Markieren Sie dann Berechnen** und drücken Sie die Eingabetaste.

Die folgende Ausgabe wird automatisch angezeigt:

Schritt 3: Interpretieren Sie die Ergebnisse.

Die X ²-Teststatistik für den Test beträgt 4,36 und der entsprechende p-Wert beträgt 0,3595. Da dieser p-Wert nicht kleiner als 0,05 ist, können wir die Nullhypothese nicht ablehnen. Dies bedeutet, dass wir nicht genügend Beweise haben, um zu sagen, dass sich die tatsächliche Verteilung der Kunden von der Verteilung unterscheidet, die der Ladenbesitzer behauptet hat.