ScholarGate
어시스턴트
Hypothesis testClassical statistics

강건 카이제곱 검정

강건 카이제곱 검정은 최소 기대 빈도수 규칙과 같은 표준 가정을 위반했을 때에도 신뢰성을 유지하도록 고전적인 피어슨 카이제곱 틀을 확장한 것입니다. 거듭제곱 발산 통계량(Cressie & Read, 1984) 또는 재표본 추출 기반 보정을 사용하여, 일반적인 카이제곱 근사가 실패하는 희소 연관표, 소표본, 불균형 범주형 데이터에 대한 유효한 추론을 생성합니다.

StatMind(으)로 적용하기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

출처

  1. 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
  2. Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley-Interscience. ISBN: 978-0471360933

이 페이지 인용 방법

ScholarGate. (2026, June 3). Robust Chi-Square Test of Independence / Goodness-of-Fit. ScholarGate. https://scholargate.app/ko/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.

Compare side by side

이 방법을 참조하는 항목

ScholarGateRobust chi-square test (Robust Chi-Square Test of Independence / Goodness-of-Fit). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/statistics/robust-chi-square-test · 데이터셋: https://doi.org/10.5281/zenodo.20539026