Isi
Chi-squared, lebih dikenal sebagai uji chi-square Pearsons, adalah sarana untuk mengevaluasi data secara statistik. Ini digunakan ketika data kategori dari suatu sampel dibandingkan dengan hasil yang diharapkan atau "benar". Misalnya, jika kami yakin 50 persen dari semua biji jeli dalam nampan berwarna merah, sampel 100 biji dari nampan itu harus mengandung sekitar 50 yang berwarna merah. Jika jumlah kami berbeda dari 50, uji Pearsons memberi tahu kami apakah asumsi 50 persen kami dicurigai, atau jika kami dapat mengaitkan perbedaan yang kami lihat dengan variasi acak normal.
Menafsirkan Nilai Chi-Square
Tentukan derajat kebebasan dari nilai chi-square Anda. Jika Anda membandingkan hasil untuk sampel tunggal dengan beberapa kategori, derajat kebebasan adalah jumlah kategori minus 1. Misalnya, jika Anda mengevaluasi distribusi warna dalam toples jellybeans dan ada empat warna, derajat kebebasan akan menjadi 3. Jika Anda membandingkan data tabel, derajat kebebasan sama dengan jumlah baris minus 1 dikalikan dengan jumlah kolom minus 1.
Tentukan nilai p kritis yang akan Anda gunakan untuk mengevaluasi data Anda. Ini adalah probabilitas persen (dibagi 100) bahwa nilai chi-square tertentu diperoleh secara kebetulan saja. Cara berpikir lain tentang p adalah probabilitas bahwa hasil yang Anda amati menyimpang dari hasil yang diharapkan dengan jumlah yang mereka lakukan semata-mata karena variasi acak dalam proses pengambilan sampel.
Cari nilai p yang terkait dengan statistik uji chi-square Anda menggunakan tabel distribusi chi-square. Untuk melakukan ini, lihat di sepanjang baris yang sesuai dengan derajat kebebasan Anda yang dihitung. Temukan nilai di baris ini yang paling dekat dengan statistik pengujian Anda. Ikuti kolom yang berisi nilai itu ke atas ke baris atas dan bacakan nilai p. Jika statistik pengujian Anda berada di antara dua nilai di baris awal, Anda dapat membacakan nilai p perkiraan antara antara dua nilai p di baris atas.
Bandingkan nilai p yang diperoleh dari tabel dengan nilai p kritis yang diputuskan sebelumnya. Jika nilai p tabular Anda di atas nilai kritis, Anda akan menyimpulkan bahwa setiap penyimpangan antara nilai kategori sampel dan nilai yang diharapkan adalah karena variasi acak dan tidak signifikan. Misalnya, jika Anda memilih nilai p kritis 0,05 (atau 5%) dan menemukan nilai tabel 0,20, Anda akan menyimpulkan tidak ada variasi yang signifikan.