В chi-square тесте независимости вы получили p-value меньше выбранного порога (например, 0.03 при 0.05). Какой вывод корректнее всего?
AЕсть основания отвергнуть
H0 о независимость категорий и считать, что признаки связаныB
p-value — это вероятность того, что H0 истиннаCЭто гарантирует большой практический эффект
DЭто доказывает причинно-следственную связь между признаками
Правильный ответ. Малый
p-value означает, что данные плохо согласуются с H0 о независимость категорий.Разбор
При малом p-value вы отвергаете H0 и говорите, что есть статистические признаки зависимости между категориями. Это не говорит, насколько большой эффект и насколько он важен. Типичная ошибка — читать p-value как вероятность истинности H0.
Проверь себя · 1/3разбор после ответа
Если в таблице сопряжённости поменять местами строки и столбцы, изменится ли результат
chi-square теста независимости (значение chi-square, df, p-value)?Ещё вопросы по теме «Хи-квадрат и таблицы сопряжённости»
- У вас датасет с полями `user_id`, `device` (iOS/Android) и `converted` (да/нет). Какую таблицу сопряжённости вы построите перед `chi-square` тестом независимости?
- Какой смысл у `H0` в `chi-square` тесте независимости для таблицы сопряжённости?
- В таблице сопряжённости для `control/treatment` и исхода (купил/не купил) в ячейке (treatment, купил) стоит число 250. Что это означает?
- Как по таблице сопряжённости считается ожидаемое значение (ячейка) при `H0` о независимости категорий в `chi-square` тесте?
- В каком случае выводы `chi-square` теста независимости стоит интерпретировать с осторожностью?
- Все вопросы по «Хи-квадрат и таблицы сопряжённости» →