Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- select, textarea, number
- Type de sortie
- json
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Le Calculateur de Test Khi Deux est un outil statistique en ligne permettant d'effectuer rapidement des tests d'ajustement ou d'indépendance. À partir de vos effectifs observés, attendus ou d'une table de contingence, il calcule automatiquement la valeur du Khi-deux, les degrés de liberté et la valeur p (p-value) pour vous aider à valider ou rejeter vos hypothèses nulles avec précision.
Quand l’utiliser
- •Pour vérifier si la distribution d'un échantillon correspond à une distribution théorique attendue (test d'ajustement).
- •Pour déterminer s'il existe une relation significative entre deux variables catégorielles (test d'indépendance).
- •Pour analyser des résultats de sondages ou d'expériences en comparant les fréquences observées aux fréquences théoriques.
Comment ça marche
- •Sélectionnez le type de test souhaité : ajustement (goodness-of-fit) ou indépendance.
- •Saisissez vos données sous forme de liste d'effectifs observés et attendus, ou collez directement votre table de contingence.
- •Ajustez le seuil de signification (alpha, par défaut 0.05) et le nombre de décimales souhaité.
- •Consultez instantanément les résultats au format JSON incluant le score Khi-deux, les degrés de liberté, la valeur p et la décision de rejet.
Cas d’usage
Exemples
1. Vérification d'un dé non pipé
Professeur de statistiques- Contexte
- Un professeur a lancé un dé à six faces 120 fois et a noté la fréquence d'apparition de chaque face.
- Problème
- Déterminer si le dé est équilibré en comparant les lancers observés à une distribution parfaitement uniforme.
- Comment l’utiliser
- Sélectionner 'Ajustement', entrer les fréquences observées (ex: 18, 22, 20, 16, 24, 20) et les fréquences attendues (20, 20, 20, 20, 20, 20).
- Configuration d’exemple
-
testType: goodness-of-fit, observedCounts: 18, 22, 20, 16, 24, 20, expectedCounts: 20, 20, 20, 20, 20, 20, alpha: 0.05 - Résultat
- Le calculateur renvoie un Khi-deux faible et une valeur p supérieure à 0.05, indiquant que l'hypothèse nulle n'est pas rejetée : le dé semble équilibré.
2. Analyse d'un sondage d'opinion
Analyste de données- Contexte
- Une enquête a été menée pour savoir si l'opinion sur une nouvelle loi (Pour/Contre) dépend du genre des répondants (Homme/Femme).
- Problème
- Évaluer l'indépendance entre le genre et l'opinion politique à partir d'un tableau croisé.
- Comment l’utiliser
- Sélectionner 'Indépendance' et coller les données du tableau croisé dans le champ 'Table de contingence'.
- Configuration d’exemple
-
testType: independence, contingencyTable: 30, 20\n15, 35, alpha: 0.05 - Résultat
- Le test calcule la valeur p et indique si l'hypothèse nulle doit être rejetée, prouvant ainsi s'il existe un lien statistique significatif entre le genre et l'opinion.
Tester avec des échantillons
math-&-numbersHubs associés
FAQ
Quelle est la différence entre le test d'ajustement et le test d'indépendance ?
Le test d'ajustement compare une seule variable catégorielle à une distribution théorique. Le test d'indépendance évalue la relation entre deux variables catégorielles distinctes.
Comment dois-je formater ma table de contingence ?
Saisissez une ligne par rangée de votre tableau, en séparant les valeurs par des virgules (par exemple : 30, 20 sur la première ligne, puis 15, 35 sur la deuxième).
Que signifie la valeur p (p-value) dans les résultats ?
La valeur p indique la probabilité d'obtenir vos résultats si l'hypothèse nulle est vraie. Si elle est inférieure à votre seuil alpha (ex: 0.05), l'hypothèse nulle est rejetée.
Puis-je modifier le seuil de signification (alpha) ?
Oui, le paramètre alpha est réglé sur 0.05 par défaut, mais vous pouvez le modifier (par exemple 0.01 ou 0.10) selon les exigences de votre étude.
Que faire si je n'ai pas d'effectifs attendus pour le test d'ajustement ?
Si vous testez une distribution uniforme, vous pouvez calculer la moyenne de vos effectifs observés et saisir cette valeur pour chaque catégorie dans le champ des effectifs attendus.