Chi-Quadrat-Verteilung-Rechner

Was ist die Chi-Quadrat-Verteilung?

Die Chi-Quadrat-Verteilung (χ²) entsteht, wenn man quadrierte standardnormalverteilte Variablen summiert. Sie ist grundlegend fuer Unabhaengigkeitstests, Anpassungstests und Varianzvergleiche.

Wichtiger Parameter: Freiheitsgrade (df)

Eigenschaften:

• Immer nicht-negativ (Summe von Quadraten)
• Rechtsschief (staerker bei kleinen df)
• Erwartungswert = df
• Varianz = 2 × df

Vom χ²-Statistikwert zum p-Wert

Dieser Rechner wandelt eine Chi-Quadrat-Statistik in einen p-Wert um:

Beispiel: χ² = 12,5, df = 5 p-Wert = P(χ² > 12,5) = 0,029

Da dieser Wert kleiner als 0,05 ist, ist das Ergebnis statistisch signifikant.

Anwendungen

Chi-Quadrat-Unabhaengigkeitstest

"Gibt es einen Zusammenhang zwischen zwei kategorialen Variablen?"

χ² misst die Abweichung zwischen beobachteten und erwarteten Haeufigkeiten. df = (Zeilen - 1) × (Spalten - 1) = 1

Chi-Quadrat-Anpassungstest

"Stimmen die beobachteten Daten mit den erwarteten Anteilen ueberein?"

Beispiel: Testen, ob ein Wuerfel fair ist. df = Kategorien - 1 = 5

Varianztest

"Ist die Populationsvarianz gleich einem hypothetischen Wert?"

$\chi^2 = \frac{(n-1)s^2}{\sigma_0^2}, \quad df = n - 1$

Konfidenzintervall fuer die Varianz

Die Chi-Quadrat-Verteilung liefert kritische Werte fuer Konfidenzintervalle der Varianz.

Form der Verteilung

Die Chi-Quadrat-Verteilung aendert sich mit df:

Mit steigendem df wird die Verteilung symmetrischer und naehert sich der Normalverteilung an.

Kritische Werte

Fuer α = 0,05 (rechte Randwahrscheinlichkeit):

Der Inverse Chi-Quadrat-Rechner ermittelt kritische Werte fuer beliebige df und Wahrscheinlichkeiten.

Historische Entwicklung

Die Chi-Quadrat-Verteilung entstand aus der Arbeit mehrerer Statistiker:

Friedrich Helmert (1876) leitete erstmals die Verteilung der Summe quadrierter Normalvariablen im Kontext von Messfehlern ab.

Karl Pearson (1900) entwickelte den Chi-Quadrat-Test fuer den Anpassungstest, einen der ersten formalen statistischen Tests. Sein Test fuer Kontingenztafeln revolutionierte die Analyse kategorialer Daten.

Ronald Fisher erweiterte die Theorie, klaerte den Begriff der Freiheitsgrade und entwickelte verwandte Tests.

Der Name "Chi-Quadrat" stammt vom griechischen Buchstaben χ (Chi), den Pearson in seiner Notation verwendete.

Mathematische Definition

Wenn $Z_1, Z_2, \ldots, Z_k$ unabhaengige standardnormalverteilte Variablen sind:

$\chi^2(k) = Z_1^2 + Z_2^2 + \ldots + Z_k^2$

Die Summe von k quadrierten Standardnormalverteilungen folgt $\chi^2(k)$.

Dies erklaert, warum χ² immer nicht-negativ und rechtsschief ist.

Beziehung zu anderen Verteilungen

Normalverteilung: Summe quadrierter Standardnormalverteilungen → χ²

t-Verteilung: T² ~ F(1, df), und T = Z/√(χ²/df)

F-Verteilung: F = (χ₁²/df₁) / (χ₂²/df₂)

Gamma: χ²(k) = Gamma(k/2, 2)

Exponentialverteilung: χ²(2) ist exponentialverteilt mit Erwartungswert 2

Chi-Quadrat und Stichprobenvarianz

Fuer eine Stichprobe aus einer Normalverteilung:

$\frac{(n-1)s^2}{\sigma^2} \sim \chi^2(n-1)$

Diese Beziehung liegt zugrunde bei:

• Konfidenzintervallen fuer die Varianz
• Tests zum Vergleich der Varianz mit einem hypothetischen Wert
• F-Tests zum Vergleich zweier Varianzen

Freiheitsgrade in der Praxis

Anpassungstest: df = Kategorien - 1 - geschaetzte Parameter

Unabhaengigkeitstest: df = (Zeilen - 1) × (Spalten - 1)

Varianztest: df = n - 1

Der Freiheitsgrade-Rechner hilft bei der Bestimmung von df fuer verschiedene Tests.

Voraussetzungen fuer Chi-Quadrat-Tests

Fuer Kontingenztafeln:

• Erwartete Zellhaeufigkeiten ≥ 5 (traditionelle Regel)
• Unabhaengige Beobachtungen
• Zufallsstichprobe

Bei kleinen erwarteten Haeufigkeiten:

• Exakten Test nach Fisher verwenden (2×2-Tafeln)
• Kategorien zusammenfassen, wenn moeglich
• Exakte Multinomialtests verwenden

Fuer Varianztests:

• Daten aus einer Normalverteilung
• Zufallsstichprobe

Chi-Quadrat-Tests fuer die Varianz sind empfindlich gegenueber Nicht-Normalitaet.

Berechnung von p-Werten

Die Chi-Quadrat-Verteilungsfunktion hat keine geschlossene Form - sie wird berechnet ueber:

• Unvollstaendige Gammafunktion
• Numerische Integration
• Reihenentwicklungen

Fuer grosse df funktioniert die Normalapproximation: χ² ≈ Normal(df, √(2×df))

Einseitig vs. Zweiseitig

Chi-Quadrat-Tests sind typischerweise einseitig (rechter Rand):

• Die Teststatistik misst die Abweichung vom Erwarteten
• Nur grosse χ²-Werte zeigen signifikante Abweichungen an

Fuer Varianztests verwenden zweiseitige Tests beide Raender:

• Unterer Rand: Ist die Varianz zu klein?
• Oberer Rand: Ist die Varianz zu gross?

Verwandte Berechnungen

• Inverse Chi-Quadrat-Rechner — Kritische χ²-Werte finden
• Chi-Quadrat-Unabhaengigkeitstest — Test auf Zusammenhang
• Chi-Quadrat-Anpassungstest — Beobachtete vs. erwartete Werte testen
• Freiheitsgrade-Rechner — Freiheitsgrade berechnen
• Varianzrechner — Stichprobenvarianz

Zusammenfassung

Die Chi-Quadrat-Verteilung - die Summe quadrierter standardnormalverteilter Variablen - ist grundlegend fuer die Analyse kategorialer Daten und Varianzschaetzungen. Unabhaengigkeitstests, Anpassungstests und Varianzhypothesen stuetzen sich alle auf Chi-Quadrat-p-Werte. Die Verteilung wird durch die Freiheitsgrade parametrisiert, die ihre Form bestimmen - von stark schief (kleine df) bis nahezu normal (grosse df). Das Verstaendnis der Chi-Quadrat-Verteilung ermoeglicht die richtige Interpretation von Kontingenztafelanalysen und Varianztests in vielen Fachgebieten.