EssayAI
Блог
Блог
Математика и алгоритмы

Таблица сопряжённости и критерий хи-квадрат Пирсона

8 ноября 2026Время чтения: 9 минут
#таблица сопряжённости#критерий Пирсона#хи-квадрат#статистика#проверка гипотез
Таблица сопряжённости и критерий хи-квадрат Пирсона

Критерий хи-квадрат Пирсона для таблицы сопряжённости помогает проверить, связаны ли два категориальных признака в генеральной совокупности. Например, можно сравнить доли ответов «да» и «нет» в двух группах. Критерий сопоставляет реальные числа наблюдений с ожидаемыми при независимости, а затем оценивает, насколько велико общее расхождение. В калькуляторе измените частоты при постоянных итогах и посмотрите, как меняется статистика.

Что показывает таблица сопряжённости

В таблице строки соответствуют категориям одного признака, столбцы - категориям другого. Каждое наблюдение относится ровно к одной паре категорий. Число в ячейке - частота, то есть количество объектов, а не процент. Итоги строк и столбцов называют маргинальными частотами. Они нужны для расчёта того, какая таблица получилась бы в среднем при независимости признаков.

Рассмотрим вымышленный учебный опрос 100 независимо выбранных людей. Группы А и Б различаются по одному категориальному признаку, ответ «да» или «нет» - по другому:

ГруппаДаНетВсего
А301040
Б204060
Всего5050100

В группе А ответили «да» 30 из 40 человек, или 75 %, а в группе Б - 20 из 60, или примерно 33,3 %. Разница заметна, но сами проценты ещё не дают формального решения о гипотезе. Критерий учитывает объём выборки и все ячейки одновременно.

При постоянных итогах таблицы наблюдаемые частоты отходят от ожидаемых и возвращаются к ним; контуры показывают ожидаемые значения.

Движение в ролике задаётся параметром tt: частоты имеют вид 20+t20+t, 20−t20-t, 30−t30-t, 30+t30+t. При t=0t=0 они совпадают с ожидаемыми, при t=10t=10 получается таблица опроса. Это специально построенная модель: в реальных данных итоги могут быть любыми. Связь независимости с произведением вероятностей разобрана в статье об условной вероятности.

Гипотезы и ожидаемые частоты

Нулевая гипотеза H0H_0 утверждает, что признаки независимы в генеральной совокупности: распределение ответа одинаково в группах. Альтернативная гипотеза H1H_1 утверждает наличие связи, то есть хотя бы одно распределение отличается. Она не задаёт заранее направление различия и не утверждает, что принадлежность к группе вызвала ответ.

Обозначим наблюдаемую частоту через OijO_{ij}, итог строки - через RiR_i, итог столбца - через CjC_j, общее число наблюдений - через NN. При независимости ожидаемая частота равна

Eij=RiCjN.E_{ij}=\frac{R_i C_j}{N}.

Смысл формулы таков: доля столбца во всей выборке равна Cj/NC_j/N; умножив её на размер строки, получаем ожидаемое число в этой строке. В примере для ячейки «А, да» E11=40⋅50/100=20E_{11}=40\cdot50/100=20. Ожидаемые числа остальных ячеек рассчитываются точно так же:

ГруппаДаНетИтого
А202040
Б303060

Ожидаемые частоты могут быть дробными: они выражают расчёт по модели, а не фактически подсчитанных людей. Их итоги совпадают с итогами исходной таблицы. NIST приводит эту формулу и правило проверки независимости для таблиц произвольного размера.

Расчёт статистики по шагам

Статистика Пирсона суммирует расхождения по всем ячейкам:

χ2=∑i∑j(Oij−Eij)2Eij.\chi^2=\sum_i\sum_j\frac{(O_{ij}-E_{ij})^2}{E_{ij}}.

Квадрат делает вклад неотрицательным, поэтому положительные и отрицательные отклонения не уничтожают друг друга. Деление на ожидаемую частоту учитывает масштаб ячейки. Для примера получаем:

  1. В ячейке «А, да» вклад равен (30−20)2/20=5(30-20)^2/20=5.
  2. В ячейке «А, нет» вклад равен (10−20)2/20=5(10-20)^2/20=5.
  3. В ячейках группы Б вклады равны (20−30)2/30≈3,33(20-30)^2/30\approx3{,}33 и (40−30)2/30≈3,33(40-30)^2/30\approx3{,}33.
  4. Сумма без преждевременного округления составляет χ2=16,6667\chi^2=16{,}6667.
Четыре вклада в статистику: 5, 5, 3,33 и 3,33, сумма около 16,67
Четыре вклада в статистику: 5, 5, 3,33 и 3,33, сумма около 16,67

Расчёт использует обычную статистику Пирсона без поправки Йейтса. Некоторые программы автоматически включают эту поправку для таблицы 2×22\times2, поэтому их статистика и p-значение могут отличаться. Сравнивая ответы, проверьте настройку программы. Округляйте только окончательный результат: сумма показанных округлённых вкладов составляет 16,66, но точная сумма ближе к 16,67.

Степени свободы и решение

Для таблицы из rr строк и cc столбцов число степеней свободы равно

df=(r−1)(c−1).df=(r-1)(c-1).

При фиксированных итогах таблицы 2×22\times2 достаточно задать одну ячейку: остальные три определяются итогами. Поэтому здесь df=1df=1. Для таблицы 2×32\times3 степеней свободы было бы две. Статистика при верной H0H_0 и подходящих условиях приближённо имеет распределение хи-квадрат с найденным dfdf.

Заранее зададим уровень значимости α=0,05\alpha=0{,}05. Для одной степени свободы критическое значение правого хвоста примерно 3,841. Наша статистика 16,667 больше порога, поэтому H0H_0 отвергают на этом уровне. Подробнее о поиске порога см. таблицу распределения хи-квадрат. Важно выбирать именно правый хвост: крупные значения статистики соответствуют большому расхождению с моделью независимости.

Тот же вывод следует из p≈0,0000446p\approx0{,}0000446: это меньше 0,05. При верной нулевой гипотезе и допущениях метода p-значение характеризует вероятность получить статистику не меньше наблюдённой. Оно не равно вероятности истинности H0H_0 и не показывает вероятность ошибки именно в этом отдельном решении. Сравнение с порогом и p-значением - два способа принятия одного решения при одном и том же критерии.

Условия и малые частоты

До расчёта проверьте, что категории внутри каждого признака взаимоисключающие, а наблюдения независимы. Повторные ответы одного человека или участники одного кластера обычно нарушают простую схему независимых наблюдений. Таблица должна содержать именно частоты, полученные из подходящей выборки; суммарные проценты вместо чисел объектов использовать нельзя.

При малых ожидаемых частотах приближение распределением хи-квадрат может быть неточным. Распространённое правило Кохрена, приведённое NIST: ожидаемых частот меньше единицы быть не должно, а частот меньше пяти - не более 20 %. Это ориентир для приближения, а не гарантия точности при любой схеме выборки. В нашем примере минимум ожидаемых частот равен 20. Нулевая ожидаемая частота делает формулу неприменимой: следует разобраться с пустой категорией или структурным ограничением модели.

Для малой таблицы 2×22\times2 возможен точный критерий Фишера; его условная постановка и двустороннее p-значение требуют отдельного выбора. Объединять категории только ради преодоления порога частот нельзя без содержательного обоснования: так можно потерять важное различие.

Как интерпретировать связь

Результат примера указывает на статистическое свидетельство против независимости при принятых предпосылках. Вернитесь к исходным долям: в группе А «да» ответили 75 %, в группе Б - около 33,3 %. Они показывают направление различия и его величину в понятных единицах: примерно 41,7 процентного пункта. Но опрос сам по себе не устанавливает причинность, а состав групп может различаться и по другим признакам.

Значимая статистика не равна сильной связи: при большой выборке даже небольшое различие способно дать малое p. Для описания величины связи используют, например, коэффициент сопряжённости Пирсона, учитывая ограничения его шкалы. Если же p≥αp\geq\alpha, корректный вывод - недостаточно оснований отвергнуть независимость; это не доказательство её точного выполнения. На способность обнаружить отличие влияют объём выборки и размер эффекта.

Как оформить результат в работе

В отчёте сначала опишите единицу наблюдения и способ отбора: кто попал в выборку, что обозначают группы и как определены категории ответа. Затем приведите исходные частоты и итоги таблицы. Читатель должен суметь восстановить расчёт, не угадывая, относятся проценты к строкам или ко всей выборке. Для сравнения групп удобно показывать доли внутри строк вместе с абсолютными числами: одинаковый процент при разной численности групп может соответствовать разному количеству людей.

После этого укажите проверяемую гипотезу, выбранный уровень значимости и название теста. Для учебного примера запись может выглядеть так: «Критерий независимости Пирсона без поправки Йейтса: статистика 16,67, одна степень свободы, p приблизительно 0,000045». Добавьте содержательный вывод о различии долей и укажите, почему условия расчёта считаете выполненными. Если выборка не случайна или группы сформированы с отбором, это влияет на то, на какую совокупность можно распространять вывод.

Общий тест отвечает на вопрос о наличии расхождения во всей таблице. В таблице с несколькими строками и столбцами он сам по себе не устанавливает, какие именно пары категорий различаются. Дополнительные сравнения требуют отдельного плана и учёта множественных проверок: иначе вероятность хотя бы одного ложного обнаружения может возрасти. Даже после значимого общего результата важно показывать исходные частоты и оценку размера различия, а не ограничиваться одним словом «значимо».

Частые ошибки

  • Сравнивать с порогом, выбранным для неверного числа степеней свободы. Используйте число непустых содержательных категорий и формулу для конкретной модели.
  • Проверять условие частот по наблюдаемым вместо ожидаемых. Сначала вычислите все EijE_{ij}.
  • Называть p вероятностью того, что гипотеза верна. Это характеристика результата при предположении H0H_0.
  • Делать причинный вывод по одной таблице. Критерий обнаруживает расхождение с независимостью, но не объясняет его механизм.
  • Не указывать поправку Йейтса и уровень значимости. Из-за разных настроек воспроизвести расчёт иначе трудно.

FAQ

Можно ли использовать критерий для таблицы больше 2 × 2?

Да. Ожидаемую частоту и вклад вычисляют для каждой ячейки, затем складывают вклады и используют df=(r−1)(c−1)df=(r-1)(c-1). Условия независимости наблюдений и достаточности ожидаемых частот сохраняются.

Что означает нулевая статистика?

Все наблюдаемые частоты точно совпали с ожидаемыми при рассчитанных итогах. Это свойство данной выборочной таблицы: само по себе оно не доказывает независимость признаков во всей совокупности.

Всегда ли нужно применять поправку Йейтса?

Нет. Для таблицы 2×22\times2 встречаются расчёты с поправкой и без неё; они дают разные результаты. Укажите выбранный вариант, а при малых ожидаемых частотах рассмотрите точный метод с подходящей схемой выборки.

Коротко

Таблица сопряжённости содержит совместные частоты двух категориальных признаков. Критерий Пирсона сравнивает их с частотами при независимости, суммирует взвешенные квадраты отклонений и сопоставляет результат с распределением хи-квадрат. В учебном примере χ2≈16,67\chi^2\approx16{,}67, df=1df=1 и p≈0,0000446p\approx0{,}0000446: при уровне 0,05 гипотеза независимости отвергается, если выполнены условия метода.

Доверьте текст нейросети EssayAI

Открыть EssayAI

Бесплатно, на русском языке и без VPN

Читайте также

Точный критерий Фишера: таблица сопряжённости

Точный критерий Фишера: таблица сопряжённости

Как применять точный критерий Фишера к таблице сопряжённости 2×2: условное распределение, одностороннее и двустороннее p, пример расчёта и интерпретация.

8 ноября 20268 минут
Доверительная вероятность и уровень значимости

Доверительная вероятность и уровень значимости

Как связаны доверительная вероятность и уровень значимости: формула, смысл ошибок, пример доверительного интервала среднего и проверка двусторонней гипотезы.

8 ноября 20268 минут
Проверка гипотезы о среднем нормального распределения

Проверка гипотезы о среднем нормального распределения

Как проверить гипотезу о среднем нормального распределения: выбор Z- или t-критерия, формулы, пример расчёта, критические области и интерпретация результата.

8 ноября 20268 минут
Мощность статистического критерия: формула и расчёт

Мощность статистического критерия: формула и расчёт

Мощность статистического критерия 1-beta: как рассчитать через ошибку II рода, объём выборки и эффект-сайз. Формула для z-теста, целевой порог 80 %, примеры.

17 июня 20266 минут
Как работает ANOVA однофакторный дисперсионный анализ

Как работает ANOVA однофакторный дисперсионный анализ

ANOVA однофакторный дисперсионный анализ сравнивает средние в трёх и более группах. Разбираем суммы квадратов, F-критерий и условия применимости на примере с расчётом.

10 апреля 20265 минут
Коэффициент Чупрова: формула и пример расчёта

Коэффициент Чупрова: формула и пример расчёта

Как рассчитать коэффициент Чупрова по таблице сопряжённости: ожидаемые частоты, хи-квадрат, пример для экономики, интерпретация результата и ограничения прямоугольных таблиц.

8 ноября 20268 минут