Chi-Quadrat-Test-Rechner

Fuehrt Chi-Quadrat-Anpassungs- oder Unabhaengigkeitstests aus beobachteten Haeufigkeiten oder Kontingenztafeln aus

Beispielergebnisse

1 Beispiele

Einen Anpassungstest ausfuehren

Vergleicht beobachtete Kategorien mit gleichen erwarteten Haeufigkeiten

{
  "result": {
    "chiSquare": 2,
    "degreesOfFreedom": 4,
    "pValue": 0.7358,
    "rejectNull": false
  }
}
Eingabeparameter anzeigen
{ "testType": "goodness-of-fit", "observedCounts": "18, 22, 20, 16, 24", "expectedCounts": "20, 20, 20, 20, 20", "contingencyTable": "30, 20\n15, 35", "alpha": 0.05, "decimalPlaces": 4 }

Wichtige Fakten

Kategorie
Mathe, Datum & Finanzen
Eingabetypen
select, textarea, number
Ausgabetyp
json
Sample-Abdeckung
4
API verfügbar
Yes

Überblick

Der Chi-Quadrat-Test-Rechner ist ein präzises statistisches Werkzeug zur Durchführung von Anpassungs- und Unabhängigkeitstests. Geben Sie einfach Ihre beobachteten Häufigkeiten oder eine Kontingenztafel ein, um sofort den Chi-Quadrat-Wert, die Freiheitsgrade und den p-Wert zu berechnen. Ideal für Forscher, Datenanalysten und Studenten, die Hypothesen über kategoriale Daten schnell und zuverlässig überprüfen möchten, ohne komplexe Statistiksoftware verwenden zu müssen.

Wann verwenden

  • •Wenn Sie überprüfen möchten, ob eine beobachtete Häufigkeitsverteilung einer theoretisch erwarteten Verteilung entspricht (Anpassungstest).
  • •Wenn Sie untersuchen müssen, ob zwei kategoriale Variablen in einer Stichprobe voneinander unabhängig sind (Unabhängigkeitstest).
  • •Wenn Sie schnelle statistische Signifikanztests für Umfrageergebnisse, A/B-Tests oder demografische Daten benötigen.

So funktioniert es

  • •Wählen Sie den gewünschten Testtyp aus: 'Anpassungstest' oder 'Unabhängigkeit'.
  • •Geben Sie Ihre Daten ein: Entweder als kommagetrennte Listen für beobachtete und erwartete Häufigkeiten oder als mehrzeilige Kontingenztafel.
  • •Legen Sie das Signifikanzniveau (Alpha, standardmäßig 0,05) und die gewünschten Dezimalstellen für das Ergebnis fest.
  • •Das Tool berechnet sofort den Chi-Quadrat-Wert, die Freiheitsgrade, den p-Wert und gibt an, ob die Nullhypothese abgelehnt wird.

Anwendungsfälle

Auswertung von Marktforschungsumfragen zur Prüfung, ob Kundenpräferenzen unabhängig von Altersgruppen sind.
Qualitätskontrolle in der Produktion, um zu testen, ob die Fehlerverteilung bei verschiedenen Maschinen der erwarteten Norm entspricht.
Analyse von A/B-Testergebnissen im Marketing, um festzustellen, ob zwei verschiedene Website-Designs signifikant unterschiedliche Klickraten aufweisen.

Beispiele

1. Überprüfung eines fairen Würfels

Statistik-Student
Hintergrund
Ein Student hat einen sechsseitigen Würfel 120 Mal geworfen und die Häufigkeit jeder Augenzahl notiert.
Problem
Er möchte herausfinden, ob der Würfel fair ist, also ob jede Zahl signifikant von der erwarteten Häufigkeit (20 Mal) abweicht.
Verwendung
Wählt 'Anpassungstest', gibt die gewürfelten Zahlen bei 'Beobachtete Häufigkeiten' und '20, 20, 20, 20, 20, 20' bei 'Erwartete Häufigkeiten' ein.
Beispielkonfiguration
Testtyp: Anpassungstest, Alpha: 0.05
Ergebnis
Das Tool berechnet den Chi-Quadrat-Wert und den p-Wert. Da der p-Wert über 0,05 liegt, wird die Nullhypothese nicht abgelehnt – der Würfel gilt statistisch als fair.

2. Zusammenhang zwischen Geschlecht und Produktpräferenz

Marktforscher
Hintergrund
Eine Umfrage ergab Daten darüber, ob Männer und Frauen Produkt A oder Produkt B bevorzugen.
Problem
Es muss statistisch belegt werden, ob die Produktwahl vom Geschlecht abhängt oder unabhängig davon ist.
Verwendung
Wählt 'Unabhängigkeit' und gibt die Daten als Kontingenztafel ein (z. B. '30, 20' für Männer und '15, 35' für Frauen).
Beispielkonfiguration
Testtyp: Unabhängigkeit, Kontingenztafel: 30, 20\n15, 35
Ergebnis
Das Ergebnis zeigt einen signifikanten p-Wert (kleiner als 0,05). Die Nullhypothese wird abgelehnt, was auf einen klaren Zusammenhang zwischen Geschlecht und Präferenz hindeutet.

Mit Samples testen

math-&-numbers
BDD with Cucumber - Behavior Driven Development Praktiken
Umfassende Cucumber BDD-Beispiele einschließlich Feature-Dateien, Step-Definitionen, Datentabellen, Hooks und fortgeschrittene BDD-Patterns für kollaborative Entwicklung
keywords test,table
sample
AAC Audio-Beispiele ohne Urheberrechte
Sammlung hochwertiger AAC-Audios für Tests und Entwicklung, einschließlich Naturklänge und Meditationsmusik
keywords test
sample
Cypress E2E Testing Framework
Umfassende Cypress E2E-Testbeispiele einschließlich Testkonfiguration, Page Object Models, API-Tests, visueller Regressionstests und fortgeschrittene E2E-Patterns für moderne Webanwendungen
keywords test
sample
FLAC Audio-Beispiele ohne Urheberrechte
Sammlung verlustfreier FLAC-Audios für Tests und Entwicklung, einschließlich Naturklänge und Meditationsmusik
keywords test
sample

Verwandte Hubs

Tools fur Audio-Encoding und Formatkonvertierung
Vergleiche Audioformat-Konvertierung, Bitratenanderungen, Abtastraten-Konvertierung, Codec-Wechsel und Export-Tools in einem Hub.
Tools fur Bildformat-Konvertierung und animierten Export
Vergleiche Bildkonverter fur JPG, PNG, GIF, AVIF, WebP, TIFF, ICO, base64 und animationsgeeignete Exporte in einem Hub.
Tools fur JSON-Austausch und Format-Ubersetzung
Vergleiche JSON-Konvertierungswerkzeuge fur CSV, YAML, TOML, GraphQL, XML, Markdown, Excel, BSON, EDN und ahnliche strukturierte Formate in einem Hub.
Farbraum-Konvertierung fur Web und Druck
Gebundelte Werkzeuge fur Farbraum-Konvertierung zwischen Web und Druck in einem Hub.

FAQ

Was ist der Unterschied zwischen Anpassungstest und Unabhängigkeitstest?

Der Anpassungstest vergleicht eine einzelne kategoriale Variable mit einer erwarteten Verteilung. Der Unabhängigkeitstest prüft anhand einer Kontingenztafel, ob zwei kategoriale Variablen zusammenhängen.

Wie formatiere ich die Kontingenztafel richtig?

Geben Sie jede Zeile der Tabelle in eine neue Zeile ein und trennen Sie die Werte innerhalb der Zeile durch Kommas (z. B. '30, 20' in der ersten Zeile, '15, 35' in der zweiten).

Was bedeutet der p-Wert in den Ergebnissen?

Der p-Wert gibt die Wahrscheinlichkeit an, die beobachteten Daten zu erhalten, wenn die Nullhypothese wahr ist. Ist er kleiner als Ihr Alpha-Wert (z. B. 0,05), wird die Nullhypothese abgelehnt.

Muss ich die erwarteten Häufigkeiten beim Anpassungstest immer angeben?

Ja, für den Anpassungstest benötigen Sie sowohl die beobachteten als auch die erwarteten Häufigkeiten als kommagetrennte Listen, um den statistischen Vergleich durchzuführen.

Welche Bedeutung hat der Alpha-Wert?

Der Alpha-Wert (Signifikanzniveau) bestimmt den Schwellenwert für die statistische Signifikanz. Ein Wert von 0,05 bedeutet ein Risiko von 5 %, die Nullhypothese fälschlicherweise abzulehnen.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/chi-square-test-calculator

Request-Parameter

Parameter-Name Typ Erforderlich Beschreibung
testType select Nein -
observedCounts textarea Nein -
expectedCounts textarea Nein -
contingencyTable textarea Nein -
alpha number Nein -
decimalPlaces number Nein -

Antwortformat

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
JSON-Daten: JSON-Daten

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu: 

{
  "mcpServers": {
    "elysiatools-chi-square-test-calculator": {
      "name": "chi-square-test-calculator",
      "description": "Fuehrt Chi-Quadrat-Anpassungs- oder Unabhaengigkeitstests aus beobachteten Haeufigkeiten oder Kontingenztafeln aus",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=chi-square-test-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]