📊Chi-square Test
কী Chi-Square Test?
▾
চি-স্কোয়ারের পরিসংখ্যান হল একটি পরিমাপ যা পর্যবেক্ষণ করা শ্রেণীবদ্ধ গণনা প্রত্যাশিত গণনা থেকে কতটা বিচ্যুত হয়। এটি বেশ কয়েকটি সম্পর্কিত পরীক্ষায় দেখায়, বিশেষত ফিট, স্বাধীনতা এবং একজাতীয়তার ধার্মিকতা। সরল ভাষায়, এটি একটি সহজ প্রশ্নের উত্তর দেয়: এই বিভাগগুলির মোটগুলি কি দৈবক্রমে আমরা যা আশা করি তার যথেষ্ট কাছাকাছি, নাকি তারা একটি বাস্তব প্যাটার্নের পরামর্শ দেওয়ার জন্য যথেষ্ট দূরে? এটি গুরুত্বপূর্ণ কারণ অনেক গুরুত্বপূর্ণ সিদ্ধান্ত গড়ের চেয়ে গণনার ভিত্তিতে হয়। ইলেকশন পোল রেসপন্স, প্রোডাক্ট ডিফেক্ট ক্যাটাগরি, জেনেটিক রেশিওস, এক্সপোজার গ্রুপ অনুসারে রোগের কেস এবং ডিভাইসের ধরন অনুসারে ওয়েবসাইট ক্লিকগুলি স্বাভাবিকভাবেই ফ্রিকোয়েন্সি হিসাবে সংক্ষিপ্ত করা হয়। চি-স্কোয়ার পরিসংখ্যান সেই গণনাগুলিকে নেয় এবং প্রতিটি পর্যবেক্ষিত গণনাকে তার প্রত্যাশিত গণনার সাথে তুলনা করে একটি একক মানতে পরিণত করে। বড় ব্যবধান মোটের সাথে আরও যোগ করে, বিশেষ করে যখন প্রত্যাশিত গণনা ছোট হয়। শিক্ষার্থীরা চি-স্কোয়ার তাড়াতাড়ি শিখে কারণ এটি ডেটা টেবিল এবং আনুষ্ঠানিক হাইপোথিসিস পরীক্ষার মধ্যে সবচেয়ে পরিষ্কার সেতুগুলির মধ্যে একটি। গবেষকরা এটি ব্যবহার করে চলেছেন কারণ এটি গণনা করা, ব্যাখ্যা করা এবং ব্যাখ্যা করা সহজ। একটি চি-স্কয়ার ক্যালকুলেটর সহায়ক যখন আপনি পরিসংখ্যান, স্বাধীনতার ডিগ্রী, এবং সমালোচনামূলক মান বা পি-মান প্রতিটি ঘর হাতে না নিয়ে দ্রুত পরীক্ষা করতে চান। তবুও, সংখ্যাটি তখনই অর্থবহ হয় যখন সেটআপটি সঠিক হয়। বিভাগগুলি অবশ্যই ভালভাবে সংজ্ঞায়িত করা উচিত, পর্যবেক্ষণগুলি স্বাধীন হওয়া উচিত এবং অনুমান ভালভাবে কাজ করার জন্য প্রত্যাশিত সংখ্যাগুলি যথেষ্ট বড় হওয়া উচিত। সঠিকভাবে ব্যবহার করা হলে, চি-স্কয়ার হল মুখস্থ করার জন্য অন্য সূত্রের পরিবর্তে স্পষ্ট প্রমাণের একটি সংক্ষিপ্ত সারাংশ।
PrimeCalcPro provides professional-grade tools trusted by businesses and academics.
সূত্র
▾
চি-স্কয়ারের পরিসংখ্যান হল chi2 = sum((O - E)^2 / E), যেখানে O হল পর্যবেক্ষিত গণনা এবং E হল প্রত্যাশিত গণনা। k বিভাগ এবং কোন আনুমানিক পরামিতি সহ একটি ভাল-ফিট পরীক্ষার জন্য, df = k - 1। কার্যকর উদাহরণ: পর্যবেক্ষণ করা গণনা 50, 30, 20 এবং প্রত্যাশিত গণনা 40, 35, 25 দেয় chi2 = (10^2/40) + ((-5)^2/35) + ((-5)^2/35) + ((-5) = 0। 1.00 = 4.21।চলক বর্ণনা
▾
| প্রতীক | নাম | একক | বিবরণ |
|---|---|---|---|
| k | ধ্রুবক ফ্যাক্টর | — | ধ্রুবক ফ্যাক্টর মান, যা চি বর্গ গণনাতে একটি গুরুত্বপূর্ণ ইনপুট পরামিতি হিসাবে কাজ করে এবং গণনাকৃত আউটপুট ফলাফলের মাত্রা এবং নির্ভুলতাকে সরাসরি প্রভাবিত করে |
| x2 | সেকেন্ডারি প্যারামিটার | — | চি বর্গ গণনার একটি মূল সংখ্যাসূচক প্যারামিটার যা একটি পরিমাপযোগ্য ইনপুট বা গণনা করা আউটপুটকে উপস্থাপন করে যা চূড়ান্ত ফলাফলকে প্রভাবিত করে |
| x3 | আউটপুট ফলাফল | — | চি বর্গ গণনার একটি মূল সংখ্যাসূচক প্যারামিটার যা একটি পরিমাপযোগ্য ইনপুট বা গণনা করা আউটপুটকে উপস্থাপন করে যা চূড়ান্ত ফলাফলকে প্রভাবিত করে |
কীভাবে Chi-Square Test
▾
- 1পর্যবেক্ষিত গণনাগুলি বিভাগ দ্বারা বা একটি আকস্মিক সারণীতে তালিকাভুক্ত করুন।
- 2একটি নাল ডিস্ট্রিবিউশন বা সারি এবং কলাম মোট থেকে প্রত্যাশিত গণনা নির্ধারণ করুন।
- 3(O - E)^2 / E ব্যবহার করে প্রতিটি কক্ষের অবদান গণনা করুন যাতে বড় অসঙ্গতিগুলি আরও বেশি অবদান রাখে।
- 4মোট চি-স্কয়ার পরিসংখ্যান পেতে সমস্ত অবদান যোগ করুন।
- 5আপনি যে নির্দিষ্ট চি-স্কয়ার সেটিং ব্যবহার করছেন তার জন্য স্বাধীনতার সঠিক ডিগ্রী খুঁজুন।
- 6একটি সমালোচনামূলক মানের সাথে ফলাফলের তুলনা করুন বা পরিসংখ্যানগত তাত্পর্য ব্যাখ্যা করতে এটিকে একটি পি-মানে রূপান্তর করুন।
সমাধান করা উদাহরণ
▾
পরিসংখ্যানটি df = 2-এর জন্য 5.991-এর 0.05 সমালোচনামূলক মানের নীচে।
তিনটি অবদান হল 2.50, 0.71 এবং 1.00। তাদের মোট সংখ্যা প্রায় 4.21, তাই প্রত্যাশা থেকে প্রস্থান নির্ধারক নয় বরং বিনয়ী।
এটি শূন্য প্রত্যাশা থেকে একটি শক্তিশালী প্রস্থান।
প্রতিটি বিভাগ প্রত্যাশা থেকে 20 গুণ দূরে, এবং প্রতিটি মোটে 8.00 অবদান রাখে। 16.00-এর একটি চি-স্কয়ার 1 ডিগ্রি স্বাধীনতার জন্য সাধারণ 0.05 কাটঅফের অনেক উপরে।
খুব ছোট চি-স্কোয়ার মান মানে ডেটা নাল প্যাটার্নের কাছাকাছি।
বিচ্যুতিগুলি ছোট, তাই প্রতিটি বিভাগ পরিসংখ্যানে খুব কম অবদান রাখে। যখন পর্যবেক্ষণ করা হয় এবং প্রত্যাশিত গণনা প্রায় সারিবদ্ধ হয় তখন আপনি এই ধরনের ফলাফল আশা করেন।
বিভিন্ন সারি প্রোফাইল একটি অর্থপূর্ণ চি-স্কয়ার সংকেত তৈরি করতে পারে।
প্রত্যাশিত গণনা সারি এবং কলামের মোট থেকে গণনা করা হয়, তারপর পর্যবেক্ষণ করা গণনার সাথে তুলনা করা হয়। ফলাফল পরিসংখ্যান df = 2 এর জন্য 0.05 সমালোচনামূলক মানের উপরে, তাই ভেরিয়েবলগুলি স্বাধীনভাবে প্রদর্শিত হবে না।
বাস্তব প্রয়োগ
▾
পেশাদার চি বর্গ অনুমান এবং পরিকল্পনা — এই অ্যাপ্লিকেশনটি সাধারণত পেশাদারদের দ্বারা ব্যবহৃত হয় যাদের তাদের নিজ নিজ ক্ষেত্রে সিদ্ধান্ত গ্রহণ, বাজেট এবং কৌশলগত পরিকল্পনা সমর্থন করার জন্য সুনির্দিষ্ট পরিমাণগত বিশ্লেষণের প্রয়োজন হয়
একাডেমিক এবং শিক্ষাগত গণনা - শিল্প অনুশীলনকারীরা বেঞ্চমার্ক পারফরম্যান্স, বিকল্পগুলির তুলনা এবং প্রতিষ্ঠিত মান এবং নিয়ন্ত্রক প্রয়োজনীয়তাগুলির সাথে সম্মতি নিশ্চিত করতে এই গণনার উপর নির্ভর করে, বিশ্লেষকদের সঠিক ফলাফল তৈরি করতে সহায়তা করে যা কৌশলগত পরিকল্পনা, সংস্থান বরাদ্দকরণ, এবং প্রতিষ্ঠান জুড়ে কর্মক্ষমতা বেঞ্চমার্কিং সমর্থন করে।
সম্ভাব্যতা বিশ্লেষণ এবং সিদ্ধান্ত সমর্থন — একাডেমিক গবেষক এবং শিক্ষার্থীরা তাত্ত্বিক মডেলগুলি যাচাই করতে, কোর্সওয়ার্ক অ্যাসাইনমেন্টগুলি সম্পূর্ণ করতে এবং অন্তর্নিহিত গাণিতিক নীতিগুলির গভীর বোঝার বিকাশের জন্য এই গণনাটি ব্যবহার করে, পেশাদারদেরকে পদ্ধতিগতভাবে ফলাফলের পরিমাণ নির্ধারণ করতে এবং নির্ভরযোগ্য গাণিতিক কাঠামো এবং প্রতিষ্ঠিত ফর্মুলা ব্যবহার করে পরিস্থিতির তুলনা করার অনুমতি দেয়।
ম্যানুয়াল গণনার দ্রুত যাচাইকরণ — আর্থিক বিশ্লেষক এবং পরিকল্পনাকারীরা সঠিক পূর্বাভাস তৈরি করতে, ঝুঁকির পরিস্থিতির মূল্যায়ন করতে এবং স্টেকহোল্ডারদের কাছে ডেটা-চালিত সুপারিশগুলি উপস্থাপন করতে এই গণনাটিকে তাদের কর্মপ্রবাহের মধ্যে অন্তর্ভুক্ত করেন, ডেটা-চালিত মূল্যায়ন প্রক্রিয়াগুলিকে সমর্থন করে যেখানে সংখ্যাগত নির্ভুলতা, কম্প্রিটিভ রিপোর্টের জন্য প্রয়োজনীয় এবং সামঞ্জস্যপূর্ণ প্রতিবেদনের জন্য প্রয়োজনীয়।
বিশেষ ক্ষেত্র
▾
একত্রিত বিভাগ প্রয়োজন
{'title': 'একত্রিত বিভাগ প্রয়োজন', 'body': 'যদি কিছু প্রত্যাশিত গণনা খুব ছোট হয়, তাহলে চি-স্কোয়ার আনুমানিক ব্যবহার করার আগে বিভাগগুলিকে একত্রিত করা প্রয়োজন হতে পারে।'} চি বর্গ গণনায় এই দৃশ্যের মুখোমুখি হওয়ার সময়, ব্যবহারকারীদের যাচাই করা উচিত যে তাদের ইনপুট মানগুলি প্রত্যাশিত ফলাফলের জন্য প্রত্যাশিত সীমার মধ্যে পড়ে। সীমার বাইরের ইনপুটগুলি গাণিতিকভাবে বৈধ কিন্তু কার্যত অর্থহীন আউটপুটগুলির দিকে নিয়ে যেতে পারে যা বাস্তব-বিশ্বের অবস্থাকে প্রতিফলিত করে না।
আনুমানিক পরামিতি
{'title': 'আনুমানিক পরামিতি', 'body': 'যখন প্রত্যাশিত ফ্রিকোয়েন্সি স্থির অনুপাতের পরিবর্তে একটি লাগানো বন্টন থেকে আসে, তখন স্বাধীনতার ডিগ্রী হ্রাস করা প্রয়োজন হতে পারে।'} এই প্রান্তের ক্ষেত্রে প্রায়শই চি স্কোয়ারের পেশাদার অ্যাপ্লিকেশনগুলিতে উদ্ভূত হয় যেখানে সীমানা শর্ত বা চরম মান জড়িত থাকে। যখন এই পরিস্থিতি ঘটে তখন অনুশীলনকারীদের নথিভুক্ত করা উচিত এবং বিবেচনা করা উচিত যে বিকল্প গণনা পদ্ধতি বা সমন্বয়ের কারণগুলি তাদের নির্দিষ্ট ব্যবহারের ক্ষেত্রে আরও উপযুক্ত কিনা।
স্পার্স কন্টিনজেন্সি টেবিল
{'title': 'স্পার্স কন্টিনজেন্সি টেবিল', 'body': 'অনেক কম-গণনা কক্ষ সহ বড় টেবিলগুলি অস্থির চি-স্কয়ার অনুমান তৈরি করতে পারে এমনকি যখন মোট নমুনার আকার বড় মনে হয়।'} চি বর্গক্ষেত্রের প্রসঙ্গে, এই বিশেষ ক্ষেত্রে সতর্কতামূলক ব্যাখ্যা প্রয়োজন কারণ মানক অনুমান নাও থাকতে পারে। ব্যবহারকারীদের উচিত ডোমেন দক্ষতার সাথে ক্রস-রেফারেন্স ফলাফল এবং এই অস্বাভাবিক অবস্থার অধীনে আউটপুট যাচাই করার জন্য অতিরিক্ত রেফারেন্স বা সরঞ্জামগুলির সাথে পরামর্শ করা উচিত।
সাধারণ চি-স্কোয়ার বেঞ্চমার্ক
▾
| df | 0.05 এ সমালোচনামূলক মান | কেস ব্যবহার করুন |
|---|---|---|
| 1 | 3.841 | ফিট বা 2 x 2 স্বাধীনতার দুই-শ্রেণির ভালতা |
| 2 | 5.991 | তিনটি বিভাগ বা 2 x 3 স্বাধীনতা |
| 3 | 7.815 | চারটি বিভাগ বা 2 x 4 স্বাধীনতা |
| 4 | 9.488 | বৃহত্তর শ্রেণীবদ্ধ বিন্যাস |
সচরাচর জিজ্ঞাসা
▾
চি-স্কোয়ার পরিসংখ্যান পরিমাপ করে কি?
এটি পরিমাপ করে যে প্রত্যাশিত গণনা থেকে কত দূরে পর্যবেক্ষণ করা শ্রেণীবদ্ধ গণনা। মান যত বড় হবে, আপনি যা দেখেছেন এবং শূন্য মডেলের ভবিষ্যদ্বাণী করেছেন তার মধ্যে অমিল তত বেশি। অনুশীলনে, এই ধারণাটি চি স্কোয়ারের কেন্দ্রীয় কারণ এটি ইনপুট ভেরিয়েবলের মধ্যে মূল সম্পর্ক নির্ধারণ করে। এটি বোঝা ব্যবহারকারীদের ফলাফলগুলিকে আরও সঠিকভাবে ব্যাখ্যা করতে এবং তাদের নির্দিষ্ট প্রসঙ্গে বাস্তব-বিশ্বের পরিস্থিতিতে প্রয়োগ করতে সহায়তা করে।
আমি কিভাবে হাত দ্বারা চি-স্কয়ার গণনা করব?
প্রতিটি বিভাগ বা কক্ষের জন্য, পর্যবেক্ষণ করা থেকে প্রত্যাশিত বিয়োগ করুন, পার্থক্যটি বর্গ করুন, প্রত্যাশিত দ্বারা ভাগ করুন এবং সেই মানগুলির যোগফল করুন৷ একটি ক্যালকুলেটর কেবল সেই পুনরাবৃত্তি পদক্ষেপগুলিকে স্বয়ংক্রিয় করে। প্রদত্ত ইনপুটগুলিতে পদ্ধতিগতভাবে অন্তর্নিহিত সূত্র প্রয়োগ করা প্রক্রিয়াটির অন্তর্ভুক্ত। গণনার প্রতিটি ভেরিয়েবল চূড়ান্ত ফলাফলে অবদান রাখে এবং তাদের পৃথক ভূমিকা বোঝা সঠিক প্রয়োগ নিশ্চিত করতে সহায়তা করে। ক্ষেত্রের বেশিরভাগ পেশাদার একটি ধাপে ধাপে পদ্ধতি অনুসরণ করে, চূড়ান্ত উত্তরে পৌঁছানোর আগে মধ্যবর্তী ফলাফল যাচাই করে।
একটি উচ্চ চি-স্কয়ার সবসময় ভাল?
সাধারণত নয়। একটি উচ্চ চি-স্কোয়ার মানে শূন্য প্রত্যাশা থেকে বৃহত্তর প্রস্থান, যা নাল প্রত্যাখ্যান সমর্থন করতে পারে, কিন্তু এটি স্বয়ংক্রিয়ভাবে প্রভাব গুরুত্বপূর্ণ বা দরকারী নয়। ব্যবহারিক অ্যাপ্লিকেশনগুলিতে চি বর্গ গণনার সাথে কাজ করার সময় এটি একটি গুরুত্বপূর্ণ বিবেচনা। উত্তরটি নির্ভর করে নির্দিষ্ট ইনপুট মান এবং যে প্রেক্ষাপটে গণনাটি প্রয়োগ করা হচ্ছে তার উপর।
একটি উল্লেখযোগ্য চি-স্কয়ার মান হিসাবে কী গণনা করা হয়?
তাত্পর্য স্বাধীনতার ডিগ্রি এবং নির্বাচিত আলফা স্তরের উপর নির্ভর করে, একটি সর্বজনীন থ্রেশহোল্ডের উপর নয়। উদাহরণস্বরূপ, 3.841 হল সাধারণ 0.05 কাটঅফ শুধুমাত্র তখনই যখন df = 1। ব্যবহারিক অ্যাপ্লিকেশনগুলিতে চি বর্গ গণনার সাথে কাজ করার সময় এটি একটি গুরুত্বপূর্ণ বিবেচনা। উত্তরটি নির্ভর করে নির্দিষ্ট ইনপুট মান এবং যে প্রেক্ষাপটে গণনাটি প্রয়োগ করা হচ্ছে তার উপর।
চি-স্কোয়ারের সাথে সাধারণ ভুলগুলি কী কী?
সাধারণ ভুলগুলির মধ্যে রয়েছে গণনার পরিবর্তে শতাংশ প্রবেশ করানো, স্বাধীনতার ভুল ডিগ্রি ব্যবহার করা এবং কম প্রত্যাশিত গণনা উপেক্ষা করা। এই যে কোন উপসংহার বিকৃত করতে পারেন. ব্যবহারিক অ্যাপ্লিকেশনগুলিতে চি বর্গ গণনার সাথে কাজ করার সময় এটি একটি গুরুত্বপূর্ণ বিবেচনা। উত্তরটি নির্ভর করে নির্দিষ্ট ইনপুট মান এবং যে প্রেক্ষাপটে গণনাটি প্রয়োগ করা হচ্ছে তার উপর। সর্বোত্তম ফলাফলের জন্য, ব্যবহারকারীদের তাদের নির্দিষ্ট প্রয়োজনীয়তা বিবেচনা করা উচিত এবং পরিচিত বেঞ্চমার্ক বা পেশাদার মানগুলির বিরুদ্ধে আউটপুট যাচাই করা উচিত।
কে চি-স্কয়ার টেস্টিং আবিষ্কার করেন?
কার্ল পিয়ারসনকে 1900 সালের দিকে চি-স্কয়ার পরীক্ষা প্রবর্তনের জন্য কৃতিত্ব দেওয়া হয়। তার কাজ শ্রেণীবদ্ধ ডেটার জন্য পরিসংখ্যানগত পরীক্ষাকে আনুষ্ঠানিক করতে সাহায্য করেছিল। ব্যবহারিক অ্যাপ্লিকেশনগুলিতে চি বর্গ গণনার সাথে কাজ করার সময় এটি একটি গুরুত্বপূর্ণ বিবেচনা। উত্তরটি নির্ভর করে নির্দিষ্ট ইনপুট মান এবং যে প্রেক্ষাপটে গণনাটি প্রয়োগ করা হচ্ছে তার উপর। সর্বোত্তম ফলাফলের জন্য, ব্যবহারকারীদের তাদের নির্দিষ্ট প্রয়োজনীয়তা বিবেচনা করা উচিত এবং পরিচিত বেঞ্চমার্ক বা পেশাদার মানগুলির বিরুদ্ধে আউটপুট যাচাই করা উচিত।
আমি কখন চি-স্কোয়ার পুনরায় গণনা করব?
পর্যবেক্ষিত গণনা, প্রত্যাশিত অনুপাত, বিভাগ গ্রুপিং, বা টেবিলের মাত্রা পরিবর্তন হলে যে কোনো সময় এটি পুনরায় গণনা করুন। এমনকি একটি ছোট রিকোডিং পছন্দ পরিসংখ্যান এবং স্বাধীনতার ডিগ্রী পরিবর্তন করতে পারে। এটি একাধিক প্রসঙ্গে প্রযোজ্য যেখানে চি বর্গ মান নির্ভুলতার সাথে নির্ধারণ করা প্রয়োজন। সাধারণ পরিস্থিতিগুলির মধ্যে রয়েছে পেশাদার বিশ্লেষণ, একাডেমিক অধ্যয়ন এবং ব্যক্তিগত পরিকল্পনা যেখানে পরিমাণগত নির্ভুলতা অপরিহার্য। বিকল্পগুলির তুলনা করার সময় বা প্রতিষ্ঠিত বেঞ্চমার্কের বিপরীতে অনুমান যাচাই করার সময় গণনাটি সবচেয়ে কার্যকর।
এড়ানোর সাধারণ ভুল
▾
- !ইনপুট মানগুলির জন্য ভুল বা অমিল একক ব্যবহার করা
- !প্রান্ত কেস বা সীমানা অবস্থার জন্য অ্যাকাউন্ট ভুলে যাওয়া
- !বৃত্তাকার মধ্যবর্তী মান গণনার খুব তাড়াতাড়ি
- !যাচাই করা হচ্ছে না যে ইনপুট মানগুলি chi বর্গক্ষেত্রের জন্য বৈধ ব্যাপ্তির মধ্যে পড়ে৷
প্রো টিপ
গণনা করার আগে সর্বদা আপনার ইনপুট মান যাচাই করুন। চি বর্গক্ষেত্রের জন্য, ছোট ইনপুট ত্রুটিগুলি যৌগিক হতে পারে এবং চূড়ান্ত ফলাফলকে উল্লেখযোগ্যভাবে প্রভাবিত করতে পারে।
আপনি কি জানেন?
কার্ল পিয়ারসনের 1900 সালের কাগজটি চি-স্কয়ার পরীক্ষাটিকে প্রাচীনতম আধুনিক পরিসংখ্যানগুলির মধ্যে একটি করে তোলে যা এখনও প্রায় সর্বত্র পড়ানো হয়। এক শতাব্দীরও বেশি সময় পরে, যখনই পরিমাপের পরিবর্তে ডেটা গণনা করা হয় তখন এটি একটি প্রথম পছন্দের সরঞ্জাম হিসাবে রয়ে গেছে।
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
তথ্যসূত্র
Read the full guide on how to use this calculator effectively
আরও পড়ুন →সাপ্তাহিক গণিত টিপস পান
১২,০০০+ সদস্যদের সাথে যোগ দিন যারা প্রতি সপ্তাহে ক্যালকুলেটর টিপস পান।