Graus de liberdade em um teste do qui-quadrado

O Qui-quadrado é usado para testar e comparar os dois tipos diferentes de dados: os dados observados e os dados esperados. Ele mede o que é chamado a "bondade para caber" que é a diferença entre o que você esperaria e que tem sido observado. Por exemplo, estatisticamente falando, se você jogar uma moeda 50 vezes você deve obter 25 cabeças e 25 rabos. No entanto, você realmente jogar uma moeda 50 vezes e ele cair nas caudas 19 vezes e nas caudas 31 vezes. Usando esses dados, um estatístico poderia teorizar sobre por que essas diferenças ocorreram.

Graus de liberdade são as medições do número de valores na estatística que são livres para variar sem influenciar o resultado da estatística. Testes estatísticos, incluindo o Qui-quadrado, são muitas vezes baseadas em estimativas muito precisas com base em vários elementos de informação vital. Os estatísticos usar essas estimativas para criar fórmulas estatísticas que calculam o resultado final de sua análise estatística. A informação utilizada em análise podem variar, mas deve haver sempre pelo menos uma categoria de informações fixa o resto das categorias são graus de liberdade. Isto é importante porque, embora a estatística é uma ciência matemática, muitas vezes é baseada em hipóteses que podem ser difíceis de calcular com precisão.

Calculando graus de liberdade no teste Qui-quadrado é muito simples. Descobrir quantas categorias que você tem em sua análise estatística e subtrai-lo por um. Por exemplo, imagine que você está estudando as taxas de natalidade esperados de elefantes contra a taxa de natalidade observada. As categorias incluem a idade da mãe, a idade do pai e o sexo de seus filhos nascendo. Isso dá-lhe três categorias em seu estudo. Subtrair um do que para obter dois como o seu grau de liberdade. Basicamente, quanto mais categorias que você tem em seu estudo, os mais graus de liberdade que você tem que experimentar com a análise estatística posterior.

Graus de liberdade são importantes para o teste de Qui-quadrado, porque os resultados observados muitas vezes diferem significativamente dos resultados esperados, e esses graus de liberdade são necessários para testar diferentes situações hipotéticas. Basicamente, você pode pegar os dados que você coletou para sua análise e reutilizá-los para realizar outra análise estatística. Estes novos estudos podem ajudar a explicar as diferenças entre os resultados esperados e os resultados observados mais plenamente.