Что делает калькулятор квантилей распределения хи-квадрат?
Этот инструмент находит процентную точку (её также называют квантилем, процентилем или критическим значением) распределения хи-квадрат. По заданной кумулятивной вероятности и числу степеней свободы он возвращает значение x, при котором функция распределения (CDF) хи-квадрат равна вашей целевой вероятности. По сути это обратная функция к CDF хи-квадрат. Она широко используется в проверке статистических гипотез, тестах на согласие (goodness-of-fit), анализе таблиц сопряжённости и при построении доверительных интервалов для дисперсии.
Как пользоваться
Сначала выберите режим вероятности. Вариант «Нижняя кумулятивная P» подходит, если ваша вероятность задана как \(P = P(X \le x)\) — площадь слева от \(x\). Вариант «Верхняя кумулятивная Q» используйте, когда вероятность — это площадь правого «хвоста» \(Q = P(X > x)\), то есть привычный уровень значимости alpha в одностороннем тесте. Введите вероятность (строго между 0 и 1) и число степеней свободы (\(\nu\), его также обозначают \(k\)). Калькулятор выдаст значение хи-квадрат \(x\).
Разбор формулы
CDF распределения хи-квадрат с \(\nu\) степенями свободы выражается через регуляризованную нижнюю неполную гамма-функцию: \(F(x; \nu) = \text{regularizedGammaP}\left(\frac{\nu}{2}, \frac{x}{2}\right)\). Нам нужна обратная функция. Положив \(a = \frac{\nu}{2}\) и взяв целевую вероятность \(p\) (где \(p = P\) в нижнем режиме или \(p = 1 - Q\) в верхнем), мы решаем уравнение $$x_p = F^{-1}\!\left(\text{p}\,;\,\nu\right)\ \text{such that}\ P\!\left(\frac{\nu}{2},\,\frac{x_p}{2}\right) = \text{p}$$ решая \(\text{regularizedGammaP}(a, z) = p\) относительно \(z\), после чего \(x = 2z\). Решатель сочетает разложение в ряд и цепную дробь для неполной гамма-функции, а также метод Ньютона с бисекцией для гарантированной сходимости.
Пример расчёта
Возьмём нижний режим: \(P = 0{,}95\), \(\nu = 10\). Тогда \(a = 5\), и мы решаем \(\text{regularizedGammaP}(5, z) = 0{,}95\), получая \(z \approx 9{,}1535\), откуда $$x = 2z \approx 18{,}307.$$ Это совпадает с классическим критическим значением \(\chi^2(0{,}95; 10) = 18{,}307\). Если же взять верхний режим с \(Q = 0{,}05\) и \(\nu = 10\), то \(p = 1 - 0{,}05 = 0{,}95\) и результат тот же: \(x \approx 18{,}307\).
Частые вопросы
В чём разница между P и Q? \(P\) — это площадь слева от \(x\) (нижний хвост), а \(Q\) — площадь справа (верхний хвост), причём \(P + Q = 1\).
Могут ли степени свободы быть дробными? Да. Формула на основе гамма-функции работает для любого \(\nu > 0\), хотя в большинстве статистических таблиц используются целые значения.
Какой диапазон вероятностей допустим? Строго \(0 < \text{вероятность} < 1\). При 0 квантиль равен 0, а при приближении вероятности к 1 квантиль неограниченно растёт.
Таблица критических значений хи-квадрат
В таблице приведены верхние критические значения \(\chi^2_{Q,\nu}\), означающие \(P(X > x) = Q\) для случайной величины хи-квадрат с \(\nu\) степенями свободы (ст. св.). Вероятность левого хвоста равна \(P = 1 - Q\). Например, столбец Q = 0.05 соответствует 95-му процентилю. Значения округлены до 3 знаков после запятой.
| ст. св. | 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 |
Чтобы найти квантиль левого хвоста, сначала выполните пересчет: значение с меньшей вероятностью P = 0.05 соответствует верхнему значению для Q = 0.95. Для любых ст. св. или вероятностей, которых нет в таблице, используйте калькулятор.
Интерпретация квантиля хи-квадрат
Проверка гипотез. Выберите уровень значимости \(\alpha\), затем найдите верхнее критическое значение при \(Q = \alpha\) и соответствующих ст. св. Если наблюдаемая статистика больше критического значения, отвергните \(H_0\). В противном случае не отвергайте её. Например, при ст. св. = 5 и \(\alpha = 0.05\) критическое значение равно 11.070. Статистика 12.4 приводит к отклонению гипотезы, а статистика 9.8 — нет.
Связь с p-значением. P-значение — это вероятность \(Q\) верхнего хвоста для наблюдаемой статистики. Статистика > критического значения при \(\alpha\) эквивалентна p-значению < \(\alpha\). Калькулятор квантилей работает в обратном направлении: вы задаёте Q (или P) и ст. св., а он возвращает статистику с такой вероятностью хвоста.
Односторонние (правосторонние) тесты. Тесты согласия хи-квадрат и тесты независимости в таблицах сопряженности являются правосторонними. Большие значения статистики указывают на плохое соответствие или наличие связи, поэтому для отклонения гипотезы используется только верхний хвост.
Форма распределения. Распределение имеет правостороннюю асимметрию, среднее \(\nu\) и дисперсию \(2\nu\). Его медиана немного меньше среднего. С ростом ст. св. асимметрия уменьшается, и распределение приближается к нормальному со средним \(\nu\) и стандартным отклонением \(\sqrt{2\nu}\). При ст. св. = 1 или 2 распределение сильно асимметрично, а при ст. св. = 100 оно почти симметрично.
Доверительный интервал для дисперсии. Для выборки объёма \(n\) из нормальной генеральной совокупности с выборочной дисперсией \(s^2\) и \(\nu = n-1\) интервал уровня \((1-\alpha)\) имеет вид:
$$\left(\frac{ (n-1)s^2}{\chi^2_{\alpha/2,\,\nu}},\ \frac{ (n-1)s^2}{\chi^2_{1-\alpha/2,\,\nu}}\right)$$
Здесь \(\chi^2_{\alpha/2,\nu}\) — верхнее значение, при котором площадь справа равна \(\alpha/2\), а \(\chi^2_{1-\alpha/2,\nu}\) — нижний квантиль с площадью \(\alpha/2\) слева. Эти же два квантиля можно найти, задав P = \(\alpha/2\) и P = \(1-\alpha/2\).
Пример: при n = 11 (ст. св. = 10), \(s^2 = 4\) и доверительной вероятности 95% квантили равны 3.247 (нижний, P = 0.025) и 20.483 (верхний, P = 0.975). Интервал для дисперсии: от \(40/20.483 = 1.953\) до \(40/3.247 = 12.319\).