In der Statistik wird die Gamma-Verteilung häufig verwendet, um Wahrscheinlichkeiten in Bezug auf Wartezeiten zu modellieren.
Die folgenden Beispiele zeigen, wie Sie die Funktion scipy.stats.gamma() verwenden, um eine …
Wenn Sie einen Chi-Quadrat-Test durchführen, erhalten Sie als Ergebnis eine Teststatistik. Um festzustellen, ob die Ergebnisse des Chi-Quadrat-Tests statistisch signifikant sind, können Sie die Teststatistik mit einem kritischen Chi-Quadrat-Wert vergleichen. Wenn die Teststatistik größer als der kritische Chi-Quadrat-Wert ist, sind die Testergebnisse statistisch signifikant.
Der kritische Chi-Quadrat-Wert kann mithilfe einer Chi-Quadrat-Verteilungstabelle oder mithilfe einer Statistiksoftware ermittelt werden.
Um den kritischen Chi-Quadrat-Wert zu ermitteln, benötigen Sie:
Mit diesen beiden Werten können Sie den Chi-Quadrat-Wert bestimmen, der mit der Teststatistik verglichen werden soll.
Um den kritischen Chi-Quadrat-Wert in Python zu ermitteln, können Sie die Funktion scipy.stats.chi2.ppf() verwenden, die die folgende Syntax verwendet:
scipy.stats.chi2.ppf(q, df)
wo:
Diese Funktion gibt den kritischen Wert aus der Chi-Quadrat-Verteilung basierend auf dem Signifikanzniveau und den bereitgestellten Freiheitsgraden zurück.
Angenommen, wir möchten den kritischen Chi-Quadrat-Wert für ein Signifikanzniveau von 0,05 und Freiheitsgrade = 11 ermitteln.
import scipy.stats
# Chi-Quadrat kritischen Wert finden
scipy.stats.chi2.ppf(1-.05, df=11)
19.67514
Der kritische Chi-Quadrat-Wert für ein Signifikanzniveau von 0,05 und Freiheitsgrade = 11 beträgt 19,67514.
Wenn wir also eine Art Chi-Quadrat-Test durchführen, können wir die Chi-Quadrat-Teststatistik mit 19.67514 vergleichen. Wenn die Teststatistik größer als 19.67514 ist, sind die Testergebnisse statistisch signifikant.
Beachten Sie, dass kleinere Alpha-Werte zu größeren kritischen Chi-Quadrat-Werten führen. Betrachten Sie beispielsweise den kritischen Chi-Quadrat-Wert für ein Signifikanzniveau von 0,01 und Freiheitsgrade = 11.
scipy.stats.chi2.ppf(1-.01, df=11)
24.72497
Betrachten Sie den kritischen Chi-Quadrat-Wert mit genau denselben Freiheitsgraden, jedoch mit einem Signifikanzniveau von 0,005:
scipy.stats.chi2.ppf(1-.005 df=11)
26.75685
In der SciPy-Dokumentation finden Sie die genauen Details der Funktion chi2.ppf().
In der Statistik wird die Gamma-Verteilung häufig verwendet, um Wahrscheinlichkeiten in Bezug auf Wartezeiten zu modellieren.
Die folgenden Beispiele zeigen, wie Sie die Funktion scipy.stats.gamma() verwenden, um eine …
Eine Gleichverteilung ist eine Wahrscheinlichkeitsverteilung, bei der jeder Wert zwischen einem Intervall von a bis b mit gleicher Wahrscheinlichkeit gewählt wird.
Die Wahrscheinlichkeit, dass wir auf einem Intervall von a …