카이제곱 분포 백분위수 계산기란?
이 도구는 카이제곱 분포의 백분위점(분위수 또는 백분위수, 흔히 임계값이라고도 함)을 계산합니다. 누적확률과 자유도를 입력하면, 카이제곱 누적분포함수(CDF)가 목표 확률과 같아지는 값 x를 돌려줍니다. 즉 카이제곱 CDF의 역함수를 구하는 셈이며, 가설검정·적합도 검정·분할표(교차표) 분석·분산의 신뢰구간 계산 등에서 폭넓게 활용됩니다.
사용 방법
먼저 누적 방식을 고르세요. 확률이 \(P = P(X \le x)\), 즉 x의 왼쪽 면적일 때는 "하측 누적확률 P"를 선택합니다. 단측 검정에서 흔히 쓰는 유의수준 alpha처럼 꼬리 면적 \(Q = P(X > x)\)를 다룰 때는 "상측 누적확률 Q"를 선택합니다. 이어서 확률(0과 1 사이, 양 끝값 제외)과 자유도(\(\nu\), k로도 표기)를 입력하면 카이제곱 값 x가 계산됩니다.
공식 설명
자유도 \(\nu\)인 카이제곱 CDF는 정규화 하측 불완전 감마함수로 표현됩니다: \(F(x;\,\nu) = \operatorname{regularizedGammaP}\!\left(\frac{\nu}{2},\,\frac{x}{2}\right)\). 우리가 구하려는 것은 이 함수의 역입니다. \(a = \frac{\nu}{2}\)로 두고 목표 확률 p(하측 방식에서는 \(p = P\), 상측 방식에서는 \(p = 1 - Q\))에 대해 \(\operatorname{regularizedGammaP}(a, z) = p\)를 풀어 z를 구한 뒤 \(x = 2z\)로 변환합니다. 다음을 만족하는 \(x_p\)를 구합니다:
$$x_p = F^{-1}\!\left(\text{p}\,;\,\nu\right)\ \text{such that}\ P\!\left(\frac{\nu}{2},\,\frac{x_p}{2}\right) = \text{p}$$계산기는 불완전 감마함수에 대해 급수 전개와 연분수를 함께 사용하고, 안정적인 수렴을 위해 뉴턴·이분법 근 찾기를 결합합니다.
풀이 예시
하측 방식에서 \(P = 0.95\), \(\nu = 10\)을 가정해 봅시다. 그러면 \(a = 5\)이고 \(\operatorname{regularizedGammaP}(5, z) = 0.95\)를 풀면 \(z \approx 9.1535\)이 되어 \(x = 2z \approx 18.307\)입니다. 이는 잘 알려진 임계값 \(\chi^2(0.95,\,10) = 18.307\)과 정확히 일치합니다. 상측 방식에서 \(Q = 0.05\), \(\nu = 10\)을 넣으면 \(p = 1 - 0.05 = 0.95\)가 되어 동일하게 \(x \approx 18.307\)을 얻습니다.
카이제곱 임계값 표
이 표는 자유도(df) \(\nu\)인 카이제곱 변수에 대해 \(P(X > x) = Q\)를 만족하는 상측 꼬리 임계값 \(\chi^2_{Q,\nu}\)을 보여 줍니다. 하측 꼬리 확률은 \(P = 1 - Q\)입니다. 예를 들어 Q = 0.05 열은 95번째 백분위수입니다. 값은 소수점 셋째 자리까지 반올림했습니다.
| 자유도 | 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 |
하측 꼬리 분위수를 구하려면 먼저 변환하십시오. 하측 확률 P = 0.05인 값은 Q = 0.95에 해당하는 상측 꼬리 값입니다. 표에 없는 자유도나 확률은 계산기를 사용하십시오.
카이제곱 분위수 해석하기
가설 검정. 유의수준 \(\alpha\)를 정한 다음, \(Q = \alpha\)와 해당 자유도에 맞는 상측 임계값을 찾습니다. 관측된 통계량이 임계값보다 크면 귀무가설 \(H_0\)를 기각합니다. 그렇지 않으면 기각하지 않습니다. 예를 들어 df = 5이고 \(\alpha = 0.05\)이면 임계값은 11.070입니다. 통계량이 12.4이면 기각하고, 9.8이면 기각하지 않습니다.
p-값과의 관계. p-값은 관측된 통계량의 상측 꼬리 확률 \(Q\)입니다. \(\alpha\)에서의 통계량 > 임계값은 p-값 < \(\alpha\)와 동치입니다. 분위수 계산기는 이를 거꾸로 수행합니다. Q(또는 P)와 df를 입력하면 그 꼬리 확률을 갖는 통계량을 반환합니다.
우측 꼬리 검정. 카이제곱 적합도 검정과 분할표의 독립성 검정은 우측 꼬리 검정입니다. 통계량이 크면 적합이 나쁘거나 연관이 있음을 뜻하므로, 기각에는 상측 꼬리만 사용합니다.
모양. 분포는 오른쪽으로 치우쳐 있으며, 평균은 \(\nu\), 분산은 \(2\nu\)입니다. 중앙값은 평균보다 약간 작습니다. 자유도가 커지면 치우침이 줄어들고, 분포는 평균 \(\nu\), 표준편차 \(\sqrt{2\nu}\)인 정규분포에 가까워집니다. df = 1 또는 2에서는 매우 치우쳐 있고, df = 100에서는 거의 대칭입니다.
분산의 신뢰구간. 정규모집단에서 크기 \(n\)인 표본의 표본분산이 \(s^2\)이고 \(\nu = n-1\)이라면, \((1-\alpha)\) 신뢰구간은 다음과 같습니다:
$$\left(\frac{ (n-1)s^2}{\chi^2_{\alpha/2,\,\nu}},\ \frac{ (n-1)s^2}{\chi^2_{1-\alpha/2,\,\nu}}\right)$$
여기서 \(\chi^2_{\alpha/2,\nu}\)은 오른쪽 면적이 \(\alpha/2\)인 상측 임계값이고, \(\chi^2_{1-\alpha/2,\nu}\)은 왼쪽 면적이 \(\alpha/2\)인 하측 분위수입니다. 같은 두 분위수는 P = \(\alpha/2\)와 P = \(1-\alpha/2\)를 입력하여 구할 수도 있습니다.
예: n = 11 (df = 10), \(s^2 = 4\), 95% 신뢰도이면 분위수는 3.247(하측, P = 0.025)과 20.483(상측, P = 0.975)입니다. 분산의 구간은 \(40/20.483 = 1.953\)에서 \(40/3.247 = 12.319\)까지입니다.
자주 묻는 질문
P와 Q는 어떻게 다른가요? P는 x의 왼쪽 면적(하측 꼬리), Q는 오른쪽 면적(상측 꼬리)이며 \(P + Q = 1\)입니다.
자유도가 정수가 아니어도 되나요? 됩니다. 감마함수 기반 공식은 \(\nu > 0\)인 모든 값에 대해 성립합니다. 다만 대부분의 통계표는 정수 자유도를 사용합니다.
유효한 확률 범위는 무엇인가요? 반드시 \(0 < \text{확률} < 1\)이어야 합니다. 확률이 0이면 분위수는 0이고, 1에 가까워질수록 분위수는 한없이 커집니다.