Robust chi-square test
The robust chi-square test extends the classic Pearson chi-square framework to remain reliable when standard assumptions — especially the minimum expected-cell-count rule — are violated. Using power divergence statistics (Cressie & Read, 1984) or resampling-based corrections, it produces valid inferences for sparse contingency tables, small samples, and unbalanced categorical data where the ordinary chi-square approximation breaks down.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.