Lr chi2 는 무엇을 의미합니까?

카이 제곱 통계는 범주 변수 간의 독립성을 검사하거나 둘 사이의 연관성을 결정하는 데 사용할 수 있습니다.

예를 들어, 유권자 성별로 분류된 두 가지 요인 선거 결과 표가 있는 경우, 카방 통계는 투표가 유권자 성별과 독립적인지, 투표와 성별 간에 연관성이 있는지 여부를 결정하는 데 도움이 될 수 있습니다. 카이 제곱 통계와 관련된 P 값이 선택한 A 수준보다 작으면 테스트는 두 변수가 서로 독립적이라는 원래 가정을 거부합니다.

또한 통계 모델이 데이터와 완전히 일치하는지 확인하는 데도 사용할 수 있습니다.

예를 들어, 논리적 회귀는 카이 제곱 통계를 계산하여 모형의 맞춤 정도를 평가합니다. 카이 제곱 통계와 관련된 P 값이 선택한 A 수준보다 작으면 검사는 데이터 맞춤을 사용하여 모델의 원래 가정을 거부합니다.

또 다른 예로' 기본 통계' 메뉴에서 포아송 데이터의 맞춤 우수도 테스트를 통해 카방통계를 사용하여 데이터가 포아송 분포를 따르는지 여부를 판단할 수 있습니다. 데이터가 불연속적인 경우 각 범주가 카이 제곱 값에 미치는 영향을 보고하여 각 범주의 차이가 총 카이 제곱 값에 미치는 영향을 수량화할 수 있습니다.

예를 들어, 맞춤 적합성 테스트가 초기 가정을 거부하면 모든 클래스가 예상과 약간 다르거나 한 클래스가 예상과 크게 다르기 때문입니다. 크레용 한 박스에 파란색, 빨간색, 녹색을 기대한다고 가정해 봅시다. 하지만 실제로는 파란색, 녹색 크레용 두 개가 있습니다. 하지만 빨간색은 없습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언)

"녹색" 과 "빨간색" 의 범주는 예상과 다르지만 "파란색" 은 일치한다. 따라서 "파란색" 은 생성된 카이 제곱 값에 영향을 주지 않습니다. 데이터의 모든 차이는 "녹색" 및 "빨간색" 범주에서 비롯됩니다.

확장 데이터:

카이 제곱 검사의 사용

카이 제곱 검사의 가장 일반적인 용도는 무질서한 분류 변수의 각 수평 분포가 두 개 이상의 그룹 간에 일치하는지 확인하는 것입니다. 사실, 이 용도 이외에, 카이 팡 검사는보다 광범위한 응용 프로그램을 가지고 있습니다. 특히 그 용도는 주로 다음과 같은 측면을 포함한다.

1, 연속 변수의 분포가 이론적 분포와 일치하는지 확인합니다. 정규 분포에 부합하는지 여부, 균일 분포에 복종하는지 여부, 포아송 분포에 복종하는지 여부 등이 있습니다.

2. 분류 변수의 발생 확률이 지정된 확률과 같은지 검증합니다. 예를 들어, 36 중 7 개의 복권이 당첨되고, 각 번호의 확률이1/36 인지 여부 동전을 던질 때 쌍방이 나타날 확률은 0.5 입니까?

두 분류 변수가 서로 독립적이는지 테스트하십시오. 예를 들어 흡연 (이원변수: 예, 아니오) 이 호흡기 질환과 관련이 있는지 여부 (이원변수: 예, 아니오); 원자재 유형 (다중 분류 변수) 이 제품 적합성 (2 분류 변수) 과 관련되어 있는지 여부

4. 하나 이상의 분류 요소의 역할을 통제한 후 다른 두 분류 변수가 서로 독립적인지 확인합니다. 예를 들어, 성별과 나이의 영향을 통제한 후, 흡연은 호흡기 질환과 관련이 있습니까? 제품 가공 공예의 영향을 통제한 후, 제품 원료 범주가 제품 합격과 관련이 있는지 여부.

1 ~ 2 가지 방법의 결과가 일치하는지 확인하십시오. 두 가지 진단 방법을 사용하여 같은 사람을 진단하면 진단 결과가 일치합니까? 두 가지 방법으로 고객의 가치 범주를 예측하고 결과가 일치하는지 예측할 수 있습니다.

바이두 백과-카이 팡 통계