卡方分布百分位数(分位数)计算器

卡方分布百分位数(分位数)计算器

增长中 AI Skill PRO

输入计算

结果

百分点 x(卡方分位数)
7.267218
使卡方 CDF 等于目标概率的 x 值
分布 卡方(χ²)
累积方式 下侧累积 P
概率 0.3
自由度 10

数学公式

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}
使用统计

广告

报告本页错误

卡方分布百分位数计算器是什么?

这个工具用来求卡方分布的百分点(也叫分位数或百分位数,统计中常写作临界值)。只要给定一个累积概率和自由度,它就会返回使卡方累积分布函数(CDF)等于目标概率的那个 x 值。它本质上是卡方 CDF 的反函数,在假设检验、拟合优度检验、列联表分析以及方差的置信区间计算中应用非常广泛。

卡方概率密度曲线,左尾区域被阴影填充,并在 x 轴上用一条垂直线标记分位数
百分位数 x 是下侧累积面积等于概率 P 的点。

如何使用

首先选择累积方式。当你的概率是 \(P = P(X \le x)\)(即 x 左侧的面积)时,选择「下侧累积 P」;当你的概率是尾部面积 \(Q = P(X > x)\)(也就是单侧检验中常说的显著性水平 α)时,选择「上侧累积 Q」。接着输入概率(取值严格介于 0 与 1 之间)以及自由度(\(\nu\),也写作 \(k\))。计算器即可给出对应的卡方值 x。

广告
两条卡方曲线,分别显示左侧着色的下侧 P 与右尾着色的上侧 Q
下侧概率 P 为左侧区域着色;上侧概率 Q 为右尾着色。

公式详解

自由度为 \(\nu\) 的卡方 CDF 等于正则化下不完全伽马函数:\(F(x; \nu) = \text{regularizedGammaP}(\nu/2,\, x/2)\)。我们要求它的反函数。令 \(a = \nu/2\),目标概率为 \(p\)(下侧模式下 \(p = P\),上侧模式下 \(p = 1 - Q\)),通过求解方程 $$\text{regularizedGammaP}(a,\, z) = p$$ 得到 \(z\),再令 \(x = 2z\)。求解器结合了不完全伽马函数的级数展开与连分数表示,并辅以牛顿法 / 二分法求根,以确保收敛可靠。

计算实例

以下侧模式为例,取 \(P = 0.95\)、\(\nu = 10\)。此时 \(a = 5\),求解 \(\text{regularizedGammaP}(5,\, z) = 0.95\) 得到 \(z \approx 9.1535\),于是 $$x = 2z \approx 18.307$$ 这与经典临界值 \(\chi^2(0.95,\, 10) = 18.307\) 完全吻合。若改用上侧模式,取 \(Q = 0.05\)、\(\nu = 10\),则 \(p = 1 - 0.05 = 0.95\),得到的 \(x \approx 18.307\) 也完全一致。

卡方临界值表

该表给出上尾临界值 \(\chi^2_{Q,\nu}\),即对于自由度为 \(\nu\)(df)的卡方变量,有 \(P(X > x) = Q\)。下尾概率为 \(P = 1 - Q\)。例如,Q = 0.05 这一列对应第 95 百分位数。数值保留 3 位小数。

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

要查找下尾分位数,先进行转换:下尾概率 P = 0.05 对应的值,就是 Q = 0.95 的上尾值。对于表中未列出的自由度或概率,请使用计算器。

广告

卡方分位数的解释

假设检验。选择显著性水平 \(\alpha\),然后找到 \(Q = \alpha\) 且自由度正确的上尾临界值。如果观测统计量大于临界值,则拒绝 \(H_0\);否则,不拒绝。例如,当 df = 5 且 \(\alpha = 0.05\) 时,临界值为 11.070。统计量为 12.4 会导致拒绝,而统计量为 9.8 则不拒绝。

与 p 值的关系。p 值是观测统计量的上尾概率 \(Q\)。在 \(\alpha\) 下统计量大于临界值,等价于 p 值小于 \(\alpha\)。分位数计算器则反向运行:你输入 Q(或 P)和自由度,它返回具有该尾部概率的统计量。

右尾检验。卡方拟合优度检验以及列联表独立性检验都是右尾检验。统计量较大说明拟合较差或存在关联,因此拒绝域只使用上尾。

形状。该分布为右偏分布,均值为 \(\nu\),方差为 \(2\nu\)。其中位数略低于均值。随着自由度增大,偏度减小,分布趋近于均值为 \(\nu\)、标准差为 \(\sqrt{2\nu}\) 的正态分布。当 df = 1 或 2 时偏斜很严重,当 df = 100 时几乎对称。

方差的置信区间。对于来自正态总体、样本方差为 \(s^2\)、且 \(\nu = n-1\) 的样本量为 \(n\) 的样本,\((1-\alpha)\) 置信区间为:

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

其中 \(\chi^2_{\alpha/2,\nu}\) 是其右侧面积为 \(\alpha/2\) 的上尾值,\(\chi^2_{1-\alpha/2,\nu}\) 是其左侧面积为 \(\alpha/2\) 的下分位数。这两个分位数也可以通过输入 P = \(\alpha/2\) 和 P = \(1-\alpha/2\) 求得。

示例:当 n = 11(df = 10)、\(s^2 = 4\) 且置信水平为 95% 时,分位数分别为 3.247(下尾,P = 0.025)和 20.483(上尾,P = 0.975)。方差的区间为 \(40/20.483 = 1.953\) 到 \(40/3.247 = 12.319\)。

常见问题

P 和 Q 有什么区别?P 是 x 左侧的面积(下尾),Q 是 x 右侧的面积(上尾),二者满足 \(P + Q = 1\)。

自由度可以是非整数吗?可以。基于伽马函数的公式对任意 \(\nu > 0\) 都成立,只不过大多数统计表只列出整数自由度。

概率的有效取值范围是多少?必须严格满足 \(0 < \text{概率} < 1\)。当概率为 0 时分位数为 0;当概率趋近于 1 时,分位数会无限增大。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器