Калькулятор квантилей (процентилей) распределения хи-квадрат

Калькулятор квантилей (процентилей) распределения хи-квадрат

Растущий AI Skill PRO

Введите расчет

Результаты

Процентная точка x (квантиль хи-квадрат)
7,267218
значение x, при котором CDF хи-квадрат равна целевой вероятности
Распределение Хи-квадрат (chi-square)
Режим кумулятивной вероятности Нижняя кумулятивная вероятность P
Вероятность 0.3
Степени свободы 10

Математическая формула

xp=F−1(p;ν)такое, чтоP(ν2,xp2)=px_p = F^{-1}\!\left(\text{p}\,;\,\text{$\nu$}\right)\ \text{такое, что}\ P\!\left(\frac{\text{$\nu$}}{2},\,\frac{x_p}{2}\right) = \text{p}
Статистика использования

Реклама

Сообщить об ошибке на этой странице

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.

Кривая плотности вероятности хи-квадрат с заштрихованной областью левого хвоста и вертикальной линией, отмечающей квантиль на оси x
Процентиль x — это точка, где нижняя накопленная площадь равна вероятности P.

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 \(x\).

Реклама
Две кривые хи-квадрат, показывающие нижнюю P, закрашенную слева, и верхнюю Q, закрашенную на правом хвосте
Нижняя вероятность P закрашивает левую область; верхняя вероятность Q закрашивает правый хвост.

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.

Реклама

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 \(40/3.247 = 12.319\).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика