Robustā Hī kvadrātā pārbaude
Robustā Hī kvadrātā pārbaude paplašina klasisko Pīrsona Hī kvadrātā ietvaru, lai saglabātu uzticamību, kad tiek pārkāpti standarta pieņēmumi — īpaši minimālā paredzamo šūnu skaita noteikums. Izmantojot jaudas diverģences statistiku (Cressie & Read, 1984) vai uz atkārtotu izlasi balstītus labojumus, tā nodrošina derīgus secinājumus reti sastopamām kontingences tabulām, maziem paraugiem un nelīdzsvarotiem kategorijas datiem, kur parastā Hī kvadrātā aproksimācija nedarbojas.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Chi-Square Test of Independence / Goodness-of-Fit. ScholarGate. https://scholargate.app/lv/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.
- Hipotēzes neatkarības $\chi^2$ testsStatistika↔ compare
- Fišera precīzais testsStatistika↔ compare
- Robustā Fišera precīzā pārbaudeStatistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →