Calculateur du test d'ajustement du khi-deux

Le test d'ajustement du khi-deux compare les effectifs observés par catégorie à ceux prédits par une théorie, un modèle historique ou une distribution de probabilité spécifiée. Il porte sur une seule variable catégorielle. L'hypothèse nulle affirme que la population suit les proportions proposées ; l'hypothèse alternative indique qu'au moins une proportion diffère. Il sert notamment à vérifier si un dé est équilibré, si les choix des clients suivent une prévision ou si des résultats génétiques respectent un rapport proposé. Le calculateur associe chaque effectif observé à l'effectif attendu de même position. Pour chaque catégorie, il calcule (observé − attendu)² / attendu, puis additionne ces contributions pour obtenir la statistique du khi-deux. Zéro signifie que tous les effectifs observés correspondent exactement aux attentes. Des valeurs plus élevées traduisent un désaccord global plus important, les écarts dans les catégories à faible effectif attendu recevant un poids relatif plus élevé. Les degrés de liberté sont normalement le nombre de catégories moins un si toutes les proportions attendues ont été définies indépendamment des données actuelles. Si des paramètres ont été estimés à partir des observations, il faut retrancher des degrés supplémentaires. Ce calculateur utilise le nombre de catégories moins un : les analystes qui ajustent des paramètres de distribution doivent adapter leur méthode. La valeur p est la probabilité de queue supérieure de la statistique calculée dans la loi du khi-deux correspondante. Avant le test, assurez-vous que les observations sont indépendantes, les catégories mutuellement exclusives et les valeurs des effectifs plutôt que des pourcentages. Les effectifs attendus doivent généralement être d'au moins cinq pour une bonne approximation. Il est parfois possible de regrouper des catégories peu représentées si cela a un sens scientifique et si la décision ne dépend pas des écarts observés. Sinon, un test exact ou fondé sur une simulation peut être préférable. Une petite valeur p indique que les écarts observés seraient inhabituels si la distribution proposée était correcte. Elle n'identifie pas les catégories responsables, n'établit pas de causalité et ne mesure pas l'importance pratique. Examinez la contribution de chaque cellule et comparez valeurs observées et attendues pour comprendre la structure des écarts. Choisissez aussi le seuil de signification avant de voir les résultats et considérez l'effet des tests multiples. Les effectifs attendus doivent avoir le même total que les effectifs observés. Si vous disposez de probabilités attendues, multipliez chacune par le total observé avant de les saisir. Corrigez les petits écarts de total dus aux arrondis pour que le modèle et l'échantillon représentent le même nombre d'observations. Avec ces précautions, le calculateur fournit un résumé transparent et reproductible de l'adéquation des données catégorielles au modèle proposé.