Czytałem, że test chi-kwadrat jest przydatny, aby sprawdzić, czy próbka znacznie różni się od zestawu wartości oczekiwanych.
Na przykład, oto tabela wyników ankiety dotyczącej ulubionych kolorów ludzi (n = 15 + 13 + 10 + 17 = 55 wszystkich respondentów):
red,blue,green,yellow
15,13,10,17
Test chi-kwadrat może mi powiedzieć, czy ta próbka znacznie różni się od zerowej hipotezy o równym prawdopodobieństwie osób lubiących każdy kolor.
Pytanie: Czy test można przeprowadzić na proporcjach wszystkich respondentów, którzy lubią określony kolor? Jak poniżej:
red,blue,green,yellow
0.273,0.236,0.182,0.309
Gdzie oczywiście 0,273 + 0,236 + 0,182 + 0,309 = 1.
Jeśli test chi-kwadrat nie jest odpowiedni w tym przypadku, jaki test byłby? Dzięki!
Edycja: Próbowałem @Roman Luštrik poniżej odpowiedzi i otrzymałem następujący wynik: dlaczego nie otrzymuję wartości p i dlaczego R mówi „przybliżenie chi-kwadrat może być niepoprawne”?
> chisq.test(c(0,0,0,8,6,2,0,0),p = c(0.406197174,0.088746395,0.025193306,0.42041479,0.03192905,0.018328576,0.009190708,0))
Chi-squared test for given probabilities
data: c(0, 0, 0, 8, 6, 2, 0, 0)
X-squared = NaN, df = 7, p-value = NA
Warning message:
In chisq.test(c(0, 0, 0, 8, 6, 2, 0, 0), p = c(0.406197174, 0.088746395, :
Chi-squared approximation may be incorrect