카이제곱 계산기

각 칸에서 기대 빈도를 (행 합계 × 열 합계) ÷ 총합계로 구합니다. 그다음 모든 칸에 대해 (관측 − 기대)² ÷ 기대를 더합니다.

자유도는 (행 − 1) × (열 − 1)이고, p값은 그 자유도의 카이제곱 분포에서 나옵니다.

두 범주형 변수를 교차한 건수의 격자입니다. 행이 「쿠폰을 썼다」와 「쓰지 않았다」, 열이 「신규 고객」과 「재방문 고객」일 수 있습니다.

각 칸에는 그 조합에 해당하는 사람 수가 들어갑니다. 여기서는 한 줄에 한 행씩 쉼표로 구분해 입력하세요.

행 변수와 열 변수가 독립일 가능성이 낮다는 뜻입니다. 한쪽을 알면 다른 쪽에 대해 뭔가를 알 수 있습니다.

어느 칸이 결과를 만들었는지는 알려 주지 않습니다. 그것을 알려면 칸마다 관측 빈도와 기대 빈도를 비교하세요.

카이제곱에서 도출한 0에서 1 사이의 효과 크기입니다. 대략 0.1은 약한 연관, 0.3은 보통, 0.5 이상은 강한 연관입니다.

이것이 중요한 이유는, 표본이 충분히 크면 거의 어떤 표든 통계적으로 유의해지는데도 연관은 실질적으로 무의미할 수 있기 때문입니다.

카이제곱 분포는 근사이며, 기대 빈도가 아주 작으면 정확도가 떨어집니다. 통상적인 지침은 대부분의 기대 빈도가 5 이상이어야 한다는 것입니다.

작은 2×2 표에서는 Fisher 정확 검정이 더 나은 선택입니다.

아니요. 이 검정은 변동성을 추정하기 위해 실제 건수에 의존합니다. 비율을 넣으면 숫자는 나오지만 타당한 검정이 아닙니다. 먼저 원시 건수로 되돌리세요.

그룹이 정확히 둘이고 결과가 예/아니요 하나면 두 방법의 결론이 일치하며, 통계적 유의성 계산기는 리프트까지 줍니다.

그룹이 둘보다 많거나 결과 범주가 둘보다 많을 때 카이제곱을 쓰세요.

아니요. 파싱과 검정이 브라우저에서 이루어집니다.