Le Chi-carré, mieux connu sous le nom de test du chi carré de Pearson, est un moyen d'évaluer statistiquement les données. Il est utilisé lorsque les données catégoriques d'un échantillonnage sont comparées aux résultats attendus ou «vrais». Par exemple, si nous croyons que 50% de tous les jujubes dans une poubelle sont rouges, un échantillon de 100 fèves provenant de cette poubelle devrait contenir environ 50 haricots rouges. Si notre nombre diffère de 50, le test de Pearson nous indique si notre hypothèse de 50% est suspecte, ou si nous pouvons attribuer la différence que nous avons vue à une variation aléatoire normale.

Interpréter les valeurs du Chi-carré

Déterminez les degrés de liberté de votre valeur Khi-deux. Si vous comparez les résultats d'un seul échantillon avec plusieurs catégories, les degrés de liberté sont le nombre de catégories moins 1. Par exemple, si vous évaluiez la distribution des couleurs dans un pot de jellybeans et qu'il y avait quatre couleurs, les degrés de la liberté serait 3. Si vous comparez des données tabulaires, les degrés de liberté sont égaux au nombre de lignes moins 1 multiplié par le nombre de colonnes moins 1.

Déterminez la valeur p critique que vous utiliserez pour évaluer vos données . C'est le pourcentage de probabilité (divisé par 100) qu'une valeur chi carré spécifique a été obtenue par hasard seulement. Une autre façon de penser à p est que c'est la probabilité que vos résultats observés dévient des résultats attendus de la quantité qu'ils ont fait uniquement en raison de la variation aléatoire dans le processus d'échantillonnage.

Rechercher la valeur p associée à votre statistique de test du khi-carré en utilisant la table de distribution du khi-carré. Pour ce faire, regardez le long de la ligne correspondant à vos degrés de liberté calculés. Trouvez la valeur dans cette ligne la plus proche de votre statistique de test. Suivez la colonne qui contient cette valeur vers le haut à la ligne supérieure et lisez la valeur p. Si votre statistique de test se situe entre deux valeurs dans la ligne initiale, vous pouvez lire une valeur p approximative intermédiaire entre deux valeurs p dans la ligne supérieure.

Comparer la valeur p obtenue de la table à la valeur critique p valeur plus tôt décidé. Si votre valeur tabulaire p est supérieure à la valeur critique, vous conclurez que tout écart entre les valeurs de la catégorie d'échantillon et les valeurs attendues était dû à une variation aléatoire et n'était pas significatif. Par exemple, si vous avez choisi une valeur p critique de 0,05 (ou 5%) et trouvé une valeur tabulaire de 0,20, vous concluez qu'il n'y avait pas de variation significative.

Astuce

Rappelez-vous que tout conclusion faite sur la base de ce test aura toujours une chance d'être fausse, proportionnelle à la valeur de p obtenue.

Avertissement

La valeur obtenue pour chaque catégorie dans l'échantillon doit être au moins 5 pour les résultats sont valides.