Calculadora de aderência qui-quadrado

O teste de aderência qui-quadrado compara frequências observadas por categoria com frequências previstas por uma teoria, modelo histórico ou distribuição de probabilidade especificada. Ele aborda uma única variável categórica. A hipótese nula afirma que a população segue as proporções propostas, enquanto a alternativa afirma que pelo menos uma proporção difere. Aplicações comuns incluem verificar se um dado é justo, se escolhas de clientes seguem uma previsão ou se resultados genéticos correspondem a uma razão proposta. A calculadora associa cada contagem observada à esperada na mesma posição. Para cada categoria, calcula (observado − esperado)² / esperado e soma as contribuições para obter a estatística qui-quadrado. Zero significa que todas as frequências observadas correspondem exatamente às esperadas. Valores maiores indicam maior discordância geral, com peso relativo maior para diferenças em categorias com contagens esperadas menores. Os graus de liberdade normalmente são o número de categorias menos um quando todas as proporções esperadas foram especificadas independentemente dos dados atuais. Se parâmetros foram estimados a partir das observações, é necessário subtrair graus de liberdade adicionais. Esta calculadora usa categorias menos um; portanto, quem ajusta parâmetros de distribuições deve adaptar a metodologia. O valor p é a probabilidade da cauda superior da estatística calculada na distribuição qui-quadrado correspondente. Antes de usar o teste, confirme que as observações são independentes, as categorias mutuamente exclusivas e os valores contagens, não porcentagens. As frequências esperadas geralmente devem ser de pelo menos cinco para uma boa aproximação. Categorias com valores esperados pequenos podem às vezes ser combinadas, desde que isso tenha sentido científico e seja decidido sem consultar as diferenças observadas. Caso contrário, um teste exato ou baseado em simulação pode ser preferível. Um valor p pequeno indica que os desvios observados seriam incomuns se a distribuição proposta estivesse correta. Ele não identifica quais categorias explicam o resultado, não estabelece causalidade nem mede relevância prática. Examine a contribuição de cada célula e compare valores observados e esperados para entender o padrão. Escolha também o nível de significância antes de ver os resultados e considere se testes múltiplos afetam a interpretação. As frequências esperadas devem somar o mesmo total de observações que as observadas. Se houver probabilidades esperadas, multiplique cada uma pelo total observado antes de inseri-las. Corrija pequenas diferenças de soma causadas por arredondamento para que modelo e amostra representem a mesma contagem. Com essas verificações, a calculadora fornece um resumo transparente e reproduzível de quanto os dados categóricos seguem o modelo proposto.