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。
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。
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。
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。