Cómo encontrar el valor crítico de chi-cuadrado en Python

Cuando realiza una prueba de chi-cuadrado, obtendrá una estadística de prueba como resultado. Para determinar si los resultados de la prueba de chi-cuadrado son estadísticamente significativos, puede comparar el estadístico de prueba con un valor crítico de chi-cuadrado . Si la estadística de la prueba es mayor que el valor crítico de chi-cuadrado, los resultados de la prueba son estadísticamente significativos.

El valor crítico de Chi-Cuadrado se puede encontrar usando una tabla de distribución de Chi-Cuadrado o usando software estadístico.

Para encontrar el valor crítico de chi-cuadrado, necesita:

• Un nivel de significancia (las opciones comunes son 0.01, 0.05 y 0.10)
• Grados de libertad

Con estos dos valores, puede determinar el valor de chi-cuadrado que se comparará con el estadístico de prueba.

Cómo encontrar el valor crítico de chi-cuadrado en Python

Para encontrar el valor crítico de chi-cuadrado en Python, puede usar la función scipy.stats.chi2.ppf () , que usa la siguiente sintaxis:

scipy.stats.chi2.ppf (q, df)

dónde:

• q: el nivel de significancia a utilizar
• df : los grados de libertad

Esta función devuelve el valor crítico de la distribución de chi-cuadrado según el nivel de significancia y los grados de libertad proporcionados.

Por ejemplo, suponga que nos gustaría encontrar el valor crítico de chi-cuadrado para un nivel de significancia de 0.05 y grados de libertad = 11.

importar scipy.stats

#encuentre el valor crítico de chi-cuadrado
scipy.stats.chi2.ppf (1-.05, gl = 11)

19.67514

El valor crítico de chi-cuadrado para un nivel de significancia de 0.05 y grados de libertad = 11 es 19.67514 .

Por lo tanto, si estamos realizando algún tipo de prueba de Chi-Cuadrado, entonces podemos comparar el estadístico de la prueba de Chi-Cuadrado con 19,67514 . Si la estadística de la prueba es mayor que 19,67514, los resultados de la prueba son estadísticamente significativos.

Tenga en cuenta que valores más pequeños de alfa conducirán a valores críticos de chi-cuadrado más grandes. Por ejemplo, considere el valor crítico de chi-cuadrado para un nivel de significancia de 0.01 y grados de libertad = 11.

scipy.stats.chi2.ppf (1-.01, gl = 11)

24.72497

Y considere el valor crítico de Chi-Cuadrado con exactamente los mismos grados de libertad, pero con un nivel de significancia de 0.005 :

scipy.stats.chi2.ppf (1-.005 df = 11) 
26.75685

Consulte la documentación de SciPy para obtener los detalles exactos de la función chi2.ppf ().

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/