ما هي حاسبة مئين توزيع كاي تربيع؟
تتيح لك هذه الأداة إيجاد النقطة المئوية لتوزيع كاي تربيع χ² (وتُعرف أيضًا بالكَمِّيّة أو المئين، وكثيرًا ما يُشار إليها باسم القيمة الحرجة). فعند إدخال احتمال تراكمي وعدد درجات الحرية، تُرجع الأداة القيمة x التي تجعل دالة التوزيع التراكمي (CDF) لكاي تربيع تساوي الاحتمال المطلوب. إنها معكوس دالة التوزيع التراكمي لكاي تربيع، وتُستخدم على نطاق واسع في اختبارات الفرضيات، واختبارات جودة المطابقة، وتحليل جداول التوافق، وفترات الثقة للتباين.
طريقة الاستخدام
اختر أولًا نمط الاحتمال التراكمي. اختر «الاحتمال التراكمي السفلي P» عندما يكون احتمالك على الصورة \(P = P(X \le x)\)، أي المساحة الواقعة على يسار \(x\). واختر «الاحتمال التراكمي العلوي Q» عندما يكون احتمالك مساحة الذيل \(Q = P(X > x)\)، وهو غالبًا مستوى المعنوية ألفا في الاختبار أحادي الجانب. ثم أدخل قيمة الاحتمال (بحيث تكون محصورة تمامًا بين 0 و1) وعدد درجات الحرية (nu، ويُرمز له أيضًا بـ k). وتعرض الحاسبة قيمة كاي تربيع \(x\).
شرح المعادلة
إن دالة التوزيع التراكمي لكاي تربيع بـ nu درجة حرية هي دالة غاما الناقصة السفلية المنظَّمة: \(F(x; \nu) = \text{regularizedGammaP}\!\left(\frac{\nu}{2}, \frac{x}{2}\right)\). وما نحتاج إليه هو المعكوس. فإذا وضعنا \(a = \frac{\nu}{2}\) والاحتمال الهدف \(p\) (حيث \(p = P\) في النمط السفلي، أو \(p = 1 - Q\) في النمط العلوي)، فإننا نحل المعادلة $$\text{regularizedGammaP}(a, z) = p$$ لإيجاد \(z\)، ثم نحسب \(x = 2z\). ويجمع الحالّ بين متسلسلة لانهائية وكسر مستمر لدالة غاما الناقصة، مع باحث عن الجذور بطريقة نيوتن/التنصيف لضمان التقارب.
مثال محلول
لنأخذ النمط السفلي مع \(P = 0.95\) وnu \(= 10\). عندئذٍ يكون \(a = 5\)، ونحل المعادلة \(\text{regularizedGammaP}(5, z) = 0.95\) فنحصل على \(z \approx 9.1535\)، ومنه \(x = 2z \approx 18.307\). وهذا يطابق القيمة الحرجة الكلاسيكية \(\text{chi-square}(0.95, 10) = 18.307\). وباستخدام النمط العلوي مع \(Q = 0.05\) وnu \(= 10\) يصبح \(p = 1 - 0.05 = 0.95\)، فنحصل على القيمة نفسها \(x \approx 18.307\).
جدول القيم الحرجة لمربع كاي
يعرض الجدول القيم الحرجة للذيل العلوي \(\chi^2_{Q,\nu}\)، أي \(P(X > x) = Q\) لمتغير مربع كاي بعدد \(\nu\) من درجات الحرية (df). احتمال الذيل السفلي هو \(P = 1 - Q\). على سبيل المثال، عمود Q = 0.05 يمثل المئين 95. القيم مقربة إلى 3 منازل عشرية.
| df | Q = 0.10 | Q = 0.05 | Q = 0.025 | Q = 0.01 | Q = 0.001 |
|---|---|---|---|---|---|
| 1 | 2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
| 2 | 4.605 | 5.991 | 7.378 | 9.210 | 13.816 |
| 3 | 6.251 | 7.815 | 9.348 | 11.345 | 16.266 |
| 4 | 7.779 | 9.488 | 11.143 | 13.277 | 18.467 |
| 5 | 9.236 | 11.070 | 12.833 | 15.086 | 20.515 |
| 10 | 15.987 | 18.307 | 20.483 | 23.209 | 29.588 |
| 20 | 28.412 | 31.410 | 34.170 | 37.566 | 45.315 |
| 30 | 40.256 | 43.773 | 46.979 | 50.892 | 59.703 |
| 50 | 63.167 | 67.505 | 71.420 | 76.154 | 86.661 |
| 100 | 118.498 | 124.342 | 129.561 | 135.807 | 149.449 |
لإيجاد كمية الذيل السفلي، حوّل أولاً: القيمة ذات الاحتمال السفلي P = 0.05 هي قيمة الذيل العلوي عند Q = 0.95. استخدم الحاسبة لأي درجات حرية أو احتمال غير موجود في الجدول.
تفسير كمية مربع كاي
اختبارات الفرضيات. اختر مستوى الدلالة \(\alpha\)، ثم أوجد القيمة الحرجة للذيل العلوي عند \(Q = \alpha\) ودرجات الحرية المناسبة. إذا كانت الإحصائية المرصودة أكبر من القيمة الحرجة، فارفض \(H_0\). وإلا، فلا ترفضها. على سبيل المثال، عند df = 5 و\(\alpha = 0.05\)، تكون القيمة الحرجة 11.070. الإحصائية 12.4 تؤدي إلى الرفض، والإحصائية 9.8 لا تؤدي إليه.
الربط بالقيمة الاحتمالية. القيمة الاحتمالية (p-value) هي احتمال الذيل العلوي \(Q\) للإحصائية المرصودة. الإحصائية > القيمة الحرجة عند \(\alpha\) تكافئ القيمة الاحتمالية < \(\alpha\). تعمل حاسبة الكمية بالاتجاه المعاكس: تدخل Q (أو P) وdf، فتعيد الإحصائية التي لها احتمال الذيل هذا.
الاختبارات ذات الذيل الأيمن. اختبارات جودة المطابقة لمربع كاي واختبارات الاستقلالية في جداول التوافق هي اختبارات ذات ذيل أيمن. الإحصائيات الكبيرة تدل على مطابقة ضعيفة أو وجود ارتباط، لذلك يُستخدم الذيل العلوي فقط للرفض.
الشكل. التوزيع ملتوٍ نحو اليمين، بمتوسط \(\nu\) وتباين \(2\nu\). الوسيط أقل قليلاً من المتوسط. مع زيادة df يقل الالتواء ويقترب التوزيع من التوزيع الطبيعي بمتوسط \(\nu\) وانحراف معياري \(\sqrt{2\nu}\). عند df = 1 أو 2 يكون الالتواء شديداً، وعند df = 100 يكون متماثلاً تقريباً.
فترة الثقة للتباين. لعينة حجمها \(n\) من مجتمع طبيعي بتباين عيني \(s^2\) و\(\nu = n-1\)، فإن فترة الثقة \((1-\alpha)\) هي:
$$\left(\frac{ (n-1)s^2}{\chi^2_{\alpha/2,\,\nu}},\ \frac{ (n-1)s^2}{\chi^2_{1-\alpha/2,\,\nu}}\right)$$
هنا \(\chi^2_{\alpha/2,\nu}\) هي قيمة الذيل العلوي التي تكون المساحة على يمينها \(\alpha/2\)، و\(\chi^2_{1-\alpha/2,\nu}\) هي الكمية السفلية التي تكون المساحة على يسارها \(\alpha/2\). يمكن إيجاد الكميتين نفسيهما بإدخال P = \(\alpha/2\) وP = \(1-\alpha/2\).
مثال: مع n = 11 (df = 10)، \(s^2 = 4\) و95% ثقة، الكميتان هما 3.247 (السفلية، P = 0.025) و20.483 (العليا، P = 0.975). فترة التباين هي \(40/20.483 = 1.953\) إلى \(40/3.247 = 12.319\).
الأسئلة الشائعة
ما الفرق بين P وQ؟ القيمة \(P\) هي المساحة الواقعة على يسار \(x\) (الذيل السفلي)، أما \(Q\) فهي المساحة الواقعة على يمينها (الذيل العلوي)، ومجموعهما \(P + Q = 1\).
هل يمكن أن تكون درجات الحرية غير صحيحة (كسرية)؟ نعم. فالمعادلة المبنية على دالة غاما تعمل مع أي قيمة \(\nu > 0\)، رغم أن معظم الجداول الإحصائية تعتمد أعدادًا صحيحة.
ما مجال الاحتمال الصالح؟ يجب أن يكون \(0 < \text{الاحتمال} < 1\) تمامًا. فعند 0 تكون الكَمِّيّة صفرًا، وكلما اقترب الاحتمال من 1 ازدادت الكَمِّيّة بلا حدود.