আমি ক্লাসগুলি একত্রীকরণ করতে না চাইলে 2 x 2 এর চেয়ে বড় টেবিল এবং 5 টিরও কম গণনাযুক্ত কোষগুলির সহ শ্রেণীবদ্ধ ভেরিয়েবলগুলির জন্য চি-স্কোয়ার্ড পরীক্ষার কয়েকটি বিকল্প কী?
আমি ক্লাসগুলি একত্রীকরণ করতে না চাইলে 2 x 2 এর চেয়ে বড় টেবিল এবং 5 টিরও কম গণনাযুক্ত কোষগুলির সহ শ্রেণীবদ্ধ ভেরিয়েবলগুলির জন্য চি-স্কোয়ার্ড পরীক্ষার কয়েকটি বিকল্প কী?
উত্তর:
এখানে কিছু সাধারণ ভুল বোঝাবুঝি রয়েছে। চি-স্কোয়ার টেস্টটি than এর চেয়ে বড় যে টেবিলগুলির সাথে ব্যবহার করতে পুরোপুরি ঠিক আছে । চি-স্কোয়ার পরীক্ষার পরিসংখ্যানের আনুমানিক চি-স্কোয়ার ডিস্ট্রিবিউশনের প্রকৃত বিতরণের জন্য, .তিহ্যবাহী সুপারিশটি হ'ল সমস্ত কোষের প্রত্যাশিত মান । দুটি বিষয় অবশ্যই এখানে লক্ষণীয়:
পর্যবেক্ষিত সেল গণনাগুলি কী তা বিবেচ্য নয় does তারা কোনও সমস্যা ছাড়াই ভাল হতে পারে - কেবলমাত্র প্রত্যাশিত গণনাগুলিই বিষয়টি বিবেচনা করে।
থাম্বের এই traditionalতিহ্যগত নিয়মটি এখন খুব রক্ষণশীল হিসাবে পরিচিত। এটা তোলে জরিমানা আছে হতে পারে প্রত্যাশিত গন্য সঙ্গে কোষের যতদিন কোন প্রত্যাশিত গন্য হয় । দেখা:
যদি আপনার প্রত্যাশিত গণনাগুলি আরও সঠিক মানদণ্ডের সাথে মেলে না, তবে কিছু বিকল্প বিকল্প উপলব্ধ রয়েছে:
আপনার সেরা বেটটি সম্ভবত পরীক্ষার পরিসংখ্যানগুলির নমুনা বিতরণকে অনুকরণ করা বা কোনও ক্রমশক্তি পরীক্ষা ব্যবহার করা। আরে, উদাহরণস্বরূপ, আপনি কেবল সেট করতে পারেন chisq.test(..., simulate.p.value=TRUE)
। অন্যান্য সফ্টওয়্যারগুলিরও এটি সম্ভব করা উচিত।
আপনি একটি বিকল্প পরীক্ষা যেমন ফিশারের সঠিক পরীক্ষা ব্যবহার করতে পারেন। যদিও ফিশারের সঠিক পরীক্ষাটি প্রায়শই এই পরিস্থিতিতে সুপারিশ করা হয়, তবে এটি লক্ষণীয় যে এটি বিভিন্ন অনুমান করে এবং এটি উপযুক্ত নাও হতে পারে। যথা, ফিশারের সঠিক পরীক্ষাটি ধরে নিয়েছে যে সারি এবং কলামের গণনাগুলি আগে থেকেই সেট করা হয়েছিল এবং কেবলমাত্র সারি এক্স কলাম সংমিশ্রণের ব্যবস্থাটি পৃথক হতে পারে (দেখুন: কম্পিউটারগুলির শক্তি দেওয়া এই দিনগুলিতে, চি-স্কোয়ার্ড পরীক্ষা করার কোনও কারণ আছে কি? বরং ফিশারের সঠিক পরীক্ষা? )। আপনি যদি এই অনুমানের সাথে অস্বস্তি হন তবে চি-স্কোয়ারের অনুকরণটি আরও ভাল বিকল্প হবে।