Robuster Chi-Quadrat-Test
Der robuste Chi-Quadrat-Test erweitert den klassischen Pearson-Chi-Quadrat-Rahmen, um auch dann zuverlässig zu bleiben, wenn Standardannahmen – insbesondere die Regel der minimalen erwarteten Zellhäufigkeit – verletzt werden. Mithilfe von Power-Divergenz-Statistiken (Cressie & Read, 1984) oder Resampling-basierten Korrekturen liefert er valide Schlussfolgerungen für dünn besetzte Kontingenztabellen, kleine Stichproben und unausgewogene kategoriale Daten, bei denen die gewöhnliche Chi-Quadrat-Approximation versagt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Chi-Square Test of Independence / Goodness-of-Fit. ScholarGate. https://scholargate.app/de/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-Quadrat-UnabhängigkeitstestStatistik↔ compare
- Fishers Exakter TestStatistik↔ compare
- Robuster Exakter Fisher-TestStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →