Vous concevez une barre de chocolat et inventez trois noms que vous pourriez vouloir utiliser: M. Tasty, The Big Chewy et les montagnes de Marshmallow. Vous effectuez un test de goût de 100 personnes chacune sous les trois noms demandant combien de gens achèteraient la barre de chocolat. Si le nom ne fait aucune différence, le nombre de personnes qui acheter des bonbons devrait être à peu près égale dans les trois groupes. Vous savez que la statistique du chi carré est la bonne à utiliser car il compare les résultats observés à ce qui serait attendu si le nom et l'achat de préférence ne sont pas associés, mais vous n'êtes pas sûr de savoir exactement comment déclarer vos résultats.
Instructions
1 Calculer le chi carré en utilisant les valeurs observées dans les six cellules dans le tableau de données, y compris: M. Tasty / Acheter, M. Tasty / Non Acheter, The Big Chewy / Acheter, le Big Chewy / Non Acheter, Montagnes de Marshmallow / Acheter et Montagnes de Marshmallow / Non Acheter. Quatre-vingt achèterait le chocolat quand il a été appelé Mr.Tasty, 60 quand il a été appelé The Big Chewy, et 71 quand il a été appelé Montagnes de Marshmallow. Subtact chaque valeur de 100 pour obtenir le nombre qui ne serait pas acheter dans chacune des trois conditions. La statistique du chi carré est calculé avec la formule suivante: (observé prévu) ^ 2 / (attendu). Calculer la valeur attendue pour chacune des six conditions du tableau en prenant le total de la ligne multiplié par le total de la colonne divisé par le nombre total d'observations dans le tableau. Le montant prévu pour acheter le chocolat dans l' une des trois noms est 100
211/300 ou 70.3. Vous remplir le même ensemble de calculs pour les trois valeurs dans la colonne "ne voudrais pas acheter" en calculant la valeur attendue de 100 89/300 ou 29.67. Calculer une valeur de chi carré pour chacune des six conditions de votre table: Mr. Tasty / Acheter (1.329), M. Tasty / ne voudrais pas acheter (3.150), The Big Chewy / Acheter (1,58), The Big Chewy / Would pas acheter (3.599), Montagnes de guimauves / Acheter (.006) et les montagnes de Marshmallow / ne voudrais pas acheter (.015). Ajouter ces valeurs ensemble pour obtenir le général Chi-Square de 9,617. La valeur du chi-carré est utilisé pour calculer la valeur de p, qui est la statistique qui vous indique s'il existe une association entre le nom de la barre de chocolat et le nombre de personnes qui voulaient acheter.
2 Calculer les degrés de liberté en prenant le nombre de groupes, en l'occurrence trois, et en soustrayant un de celui-ci. Utilisez la valeur de chi-carré et les degrés de la valeur de la liberté --- --- deux pour calculer la valeur p. Un programme de logiciel fera cela pour vous; Toutefois, si vous faites le calcul manuellement, vous rechercher la valeur du chi carré dans un tableau de distribution, en utilisant les degrés appropriés de la «liberté. La valeur de chi-carré de 9,617 vous donnerait une valeur p de .01. Un statisticien inférer qu'il existe une association entre le nom et ceux qui voudraient acheter le chocolat car une valeur p de .01 signifie que vous avez seulement une chance d'obtenir une valeur de chi carré ce grand 1 pour cent s'il n'y a vraiment pas d'association entre les deux variables.
3 Signaler les résultats en fonction des besoins de l'auditoire auquel vous présentez. Pour les papiers dans les sciences sociales, utiliser le format de l'American Psychological Association. Dans ce format, le symbole statistique chi carré est rapporté avec les degrés de liberté et de la taille de l'échantillon rapporté par la suite, entre parenthèses, suivie par la valeur p. Vous pourriez dire quelque chose comme, "Le pourcentage de consommateurs qui ont déclaré qu'ils achèteraient la barre de chocolat a été associé avec le nom donné à la sucrerie, c ^ 2 (2, N = 100) = 9,617, p = .01." Si votre chi-valeur globale est non significatif, ceci est la fin de votre interprétation.
4 Examiner les comptes individuels pour chaque groupe si votre chi carré global était significatif. Bien que la statistique du chi carré lui-même n'évalue si oui ou non les deux variables sont associées, vous pouvez comparer les valeurs observées aux valeurs attendues pour chaque cellule. Vous pouvez voir le groupe Tasty M. avait le plus grand nombre de personnes qui ont dit qu'ils achèteraient le chocolat, et 80 est supérieure à la valeur attendue de 70,3. Donc, vous pouvez écrire que le nombre de personnes déclarant qu'ils achèteraient la barre de chocolat quand il a été appelé M. Tasty (80) était plus grande que ce serait prévu si les variables étaient indépendantes (70,3).