배경 : 안전하게 건너 뛰십시오-참조를 위해 여기 있으며 질문을 정당화합니다.
이 문서 의 시작 부분은 다음 과 같습니다.
"Karl Pearson의 유명한 카이-제곱 비상 테스트는 정규 분포를 기반으로하는 z 통계라고하는 다른 통계량에서 파생됩니다. 가장 간단한 버전의 는 수학적으로 동일한 z 테스트와 동일한 것으로 표시 될 수 있습니다.이 테스트는 동일한 결과를 생성합니다. 모든 상황에서. 모든 의도와 목적은 "카이 제곱"은 "Z-제곱"이라고 할 수있다.의 중요한 값 하나의 자유도에 대한이 Z의 대응하는 중요한 값의 제곱입니다. "
이것은 CV ( 여기 , 여기 , 여기 및 기타) 에서 여러 번 주장되었습니다 .
그리고 실제로 우리가 할 수 증명 하는 는X∼N(0,1) 인X2와같습니다.
하자 말하자면 그 와 그 Y = X (2) 과의 밀도 찾는 Y를 사용하여 C의 D를 f를 방법
. 문제는 정규 분포의 밀도를 밀접하게 통합 할 수 없다는 것입니다. 그러나 우리는 그것을 표현할 수 있습니다.
파생 상품을 복용 :
정규 은 대칭 이므로 다음과 같습니다.
. 받는이 동일시P의개발F정상 (지금의X에서P의개발F하는것√ 는e − x 2에 연결정상의 2 부분pdf); 포함하는 것을 기억1끝에 y :
카이 제곱의 pdf와 비교 :
이후 ,1df의 경우 카이 제곱의pdf를정확하게 도출했습니다.
또한 prop.test()
R 에서 함수 를 호출 하면 우리가 결정 하는 것과 동일한 테스트를 호출합니다 .chisq.test()
질문:
그래서 나는이 모든 포인트를 얻었지만 여전히 두 가지 이유로이 두 가지 테스트의 실제 구현에 어떻게 적용되는지 알지 못합니다.
z- 검정은 제곱이 아닙니다.
실제 테스트 통계는 완전히 다릅니다.
χ 2에 대한 검정 통계량 의 값 은 다음과 같습니다.
곳
= Pearson의 누적 검정 통계량으로, χ 2 분포에무조건 접근합니다. O i = 유형 i 의 관측치 수; N = 총 관측치 수; E i = N p i =모집단에서 유형 i 의 비율이 다음과 같은 귀무 가설에 의해 주장 된유형 i 의 예상 (이론적) 주파수; n = 테이블의 셀 수
반면에 검정에 대한 검정 통계량 은 다음과 같습니다.
와피 , 여기서x1및x2는 범주 형 변수 수준의 각 항목에있는 주제 수에 대한 "성공"수입니다. 즉,n1및n.
이 공식은 이항 분포에 의존하는 것 같습니다.
이 두 시험 통계는 분명히 다르며, 실제 시험의 통계뿐만 아니라 다른 결과를 초래할 P는 -values : 5.8481
에 대한 과 는 z-시험 여기서 2.4183 2 = 5.84817 (감사합니다, @ mark999 ). χ 2 검정 의 p- 값 은 이고 z- 검정 의 경우 p- 값 은 입니다. 양측 꼬리와 단측 꼬리의 차이는 0.01559 / 2 = 0.007795입니다.2.4183
0.01559
0.0077
(감사합니다 @amoeba).
그래서 우리는 어느 수준에서 그것들이 하나이고 같다고 말합니까?
chisq.test()
, 당신이 사용하는 시도가 correct=FALSE
?