Robust Chi-Square Test
Den robuste chi-kvadrat-test udvider det klassiske Pearson chi-kvadrat-framework til at forblive pålidelig, når standardantagelserne – især reglen om minimum forventet celleantal – krænkes. Ved brug af power divergence-statistikker (Cressie & Read, 1984) eller resampling-baserede korrektioner producerer den gyldige inferenser for sparsomme kontingenstabeller, små stikprøver og ubalancerede kategoriske data, hvor den almindelige chi-kvadrat-approksimation bryder sammen.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Cressie, N., & Read, T. R. C. (1984). Multinomial goodness-of-fit tests. Journal of the Royal Statistical Society: Series B, 46(3), 440–464. DOI: 10.1111/j.2517-6161.1984.tb01318.x ↗
- Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley-Interscience. ISBN: 978-0471360933
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Chi-Square Test of Independence / Goodness-of-Fit. ScholarGate. https://scholargate.app/da/statistics/robust-chi-square-test
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Chi-kvadrat-test for uafhængighedStatistik↔ compare
- Fishers eksakte testStatistik↔ compare
- Robust Fisher's Exact TestStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →