Väheste väärtustega diskreetne või nominaalne tunnus ja faktor. Sagedustabeli analüüs faktori mõju testimiseks

Hii-ruut test annab meile statistiku, mis on Hii-ruut jaotusega. Nullhüpoteesi (elamute arv ei mõjuta taime ohtrust ehk, sagedustabeli lahtrid on ühtlaselt jaotunud) korral on see statistik väiksem antud vabadusastmetele vastavast kriitilisest väärtusest. p-väärtus näitab, kui suur on tõenäosus, et meie valim oli juhuslikult selline. Mida väiksem ta on, seda kindlamad võime olla, et me ei eksi, kui nullhüpoteesi ümber lükkame. 

Näide 1 - andmed sisestatud R vahenditega . Kopeeri järgneva lingi alt saadud tekst enda R programmi, seda läheb sul äkki vaja!   Vaata 

addmargins(table(ohtrus,maju))
       Ohtrus   0     1   2     3   Sum
Maju 0        14     6  10    5   35
         1           5  11  10    8   34
         2           5    7  10  15   37
      Sum     24   24  30  28  106 
chisq.test(sagedustabeli nimi)
     Pearson's Chi-squared test
data:  tabel 
X-squared = 13.9635, df = 6, p-value = 0.03005
 chisq.test(tabel,simulate.p.value=T,B=500)

Pearson's Chi-squared test with simulated p-value (based on 500 replicates)
data:  tabel 
X-squared = 13.9635, df = NA, p-value = 0.02595

NB! Hii-ruut test tuleb tellida ilma äärejaotuse arvudeta.

Sagedustabel  





Hii-ruut testi tulemus  
Hii-ruudu väärtus on 13.9635. 


Veel usaldusväärsema tulemuse saab, kui tellida test koos simuleeritud andmete abil tehtud kordustega.
Kuna p-väärtus on (mõlemal juhul) väiksem kui tavapärane olulisuse nivoo 0.05, võime lugeda tõestatuks H1, mis väidab, et seos taime ohtruse ja majade arvu vahel on statistiliselt oluline. Me eksime niimoodi väites ainult 3%, selline valim ei ole saadud juhuslikult. 

Illustreerivaks jooniseks sobib tulpdiagramm (barplot), vt. Jooniste tegemise õpiobjekt 

Iseseisev töö. Tee tulpdiagramm saadud tulemuste  illustreerimiseks!                   Kontrolli 

Sarnaste andmetega kõlbab kasutada ka dispersioonanalüüsi                                     ANOVA