卡方分布百分位數(分位數)計算機

卡方分布百分位數(分位數)計算機

成長中 AI Skill PRO

輸入計算

結果

百分點 x(卡方分位數)
7.267218
使卡方 CDF 等於目標機率的數值 x
分布 卡方(chi-square)
累積模式 下尾累積 P
機率 0.3
自由度 10

數學公式

xp=F−1(p;ν)使得P(ν2,xp2)=px_p = F^{-1}\!\left(\text{p}\,;\,\text{$\nu$}\right)\ \text{使得}\ P\!\left(\frac{\text{$\nu$}}{2},\,\frac{x_p}{2}\right) = \text{p}
使用統計

廣告

回報本頁錯誤

什麼是卡方分布百分位數計算機?

這個工具可以求出卡方分布的百分點(又稱分位數或百分位數,通常以臨界值表示)。只要輸入累積機率與自由度,它就會回傳一個數值 \(x\),使得卡方分布的累積分布函數(CDF)剛好等於你設定的目標機率。它其實就是卡方 CDF 的反函數,在假設檢定、適合度檢定、列聯表分析以及變異數信賴區間等統計應用中相當常見。

卡方機率密度曲線,左尾區域以陰影填滿,並在 x 軸上用一條垂直線標記分位數
百分位數 \(x\) 是下側累積面積等於機率 \(P\) 的點。

使用方法

首先選擇累積模式。若你的機率是 \(P = P(X \le x)\)(也就是 \(x\) 左側的面積),請選「下尾累積 P」;若你的機率是尾端面積 \(Q = P(X > x)\),也就是單尾檢定中常用的顯著水準 alpha,請選「上尾累積 Q」。接著輸入機率(須嚴格介於 0 與 1 之間)以及自由度(\(\nu\),也常寫作 \(k\))。計算機便會回傳對應的卡方數值 \(x\)。

廣告
兩條卡方曲線,分別顯示左側著色的下側 P 與右尾著色的上側 Q
下側機率 \(P\) 為左側區域著色;上側機率 \(Q\) 為右尾著色。

公式說明

自由度為 \(\nu\) 的卡方 CDF 就是正則化下不完全 gamma 函數:\(F(x; \nu) = \text{regularizedGammaP}(\nu/2, x/2)\)。我們要求的是它的反函數。令 \(a = \nu/2\),目標機率為 \(p\)(下尾模式時 \(p = P\),上尾模式時 \(p = 1 - Q\)),求解 \(\text{regularizedGammaP}(a, z) = p\) 得到 \(z\),再以 \(x = 2z\) 求得結果。 $$x_p = F^{-1}\!\left(\text{p}\,;\,\nu\right)\ \text{such that}\ P\!\left(\frac{\nu}{2},\,\frac{x_p}{2}\right) = \text{p}$$ 求解器結合了不完全 gamma 函數的級數展開與連分數法,並搭配 Newton/二分法的求根流程,以確保穩定收斂。

實例演算

以下尾模式為例,設 \(P = 0.95\)、\(\nu = 10\)。此時 \(a = 5\),求解 \(\text{regularizedGammaP}(5, z) = 0.95\),得到 \(z \approx 9.1535\),故 \(x = 2z \approx 18.307\)。這正好對應到經典的臨界值 \(\text{chi-square}(0.95, 10) = 18.307\)。若改用上尾模式,設 \(Q = 0.05\)、\(\nu = 10\),則 \(p = 1 - 0.05 = 0.95\),得到的 \(x\) 同樣 \(\approx 18.307\)。

卡方臨界值表

本表列出上尾臨界值 \(\chi^2_{Q,\nu}\),表示對於自由度為 \(\nu\)(df)的卡方變數,\(P(X > x) = Q\)。下尾機率為 \(P = 1 - Q\)。例如,Q = 0.05 的欄位即為第 95 百分位數。數值四捨五入至小數點後 3 位。

自由度 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

若要求下尾分位數,請先進行轉換:下尾機率 P = 0.05 的數值,即為 Q = 0.95 的上尾數值。對於表中未列出的自由度或機率,請使用計算機。

廣告

卡方分位數的解讀

假設檢定。選定顯著水準 \(\alpha\),然後找出 \(Q = \alpha\) 且對應自由度的上尾臨界值。若觀察到的統計量大於臨界值,則拒絕 \(H_0\);否則不拒絕。例如,自由度 df = 5 且 \(\alpha = 0.05\) 時,臨界值為 11.070。統計量 12.4 會導致拒絕,而統計量 9.8 則不會。

與 p 值的關係。p 值是觀察統計量的上尾機率 \(Q\)。在 \(\alpha\) 下統計量 > 臨界值,等同於 p 值 < \(\alpha\)。分位數計算機是反向運作:您輸入 Q(或 P)與自由度,它會回傳具有該尾部機率的統計量。

右尾檢定。卡方適合度檢定與列聯表獨立性檢定皆為右尾檢定。統計量偏大表示配適不佳或存在關聯,因此拒絕域僅使用上尾。

形狀。此分配為右偏,平均數為 \(\nu\),變異數為 \(2\nu\)。其中位數略小於平均數。隨著自由度增加,偏態減弱,分配趨近於平均數為 \(\nu\)、標準差為 \(\sqrt{2\nu}\) 的常態分配。在 df = 1 或 2 時偏態很明顯,而在 df = 100 時幾乎對稱。

變異數的信賴區間。對於取自常態母體、樣本變異數為 \(s^2\)、且 \(\nu = n-1\) 的樣本大小 \(n\),\((1-\alpha)\) 信賴區間為:

$$\left(\frac{ (n-1)s^2}{\chi^2_{\alpha/2,\,\nu}},\ \frac{ (n-1)s^2}{\chi^2_{1-\alpha/2,\,\nu}}\right)$$

此處 \(\chi^2_{\alpha/2,\nu}\) 是其右側面積為 \(\alpha/2\) 的上尾數值,而 \(\chi^2_{1-\alpha/2,\nu}\) 是其左側面積為 \(\alpha/2\) 的下分位數。這兩個分位數也可以透過輸入 P = \(\alpha/2\) 與 P = \(1-\alpha/2\) 求得。

範例:n = 11(df = 10)、\(s^2 = 4\)、95% 信心水準時,分位數分別為 3.247(下尾,P = 0.025)與 20.483(上尾,P = 0.975)。變異數的區間為 \(40/20.483 = 1.953\) 至 \(40/3.247 = 12.319\)。

常見問題

P 與 Q 有什麼差別?\(P\) 是 \(x\) 左側的面積(下尾),\(Q\) 是 \(x\) 右側的面積(上尾),兩者相加 \(P + Q = 1\)。

自由度可以是非整數嗎?可以。以 gamma 函數為基礎的公式對任何 \(\nu > 0\) 都成立,只是大多數統計表格仍以整數為主。

機率的有效範圍是多少?必須嚴格滿足 \(0 < \text{機率} < 1\)。當機率為 0 時分位數為 0;當機率趨近 1 時,分位數會無限增大。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器