Section author: Danielle J. Navarro and David R. Foxcroft

தொடர்ச்சியான திருத்தம்

சரி, ஒரு சிறிய திசைதிருப்பலுக்கான நேரம். நான் இதுவரை உங்களிடம் கொஞ்சம் பொய் சொல்கிறேன். உங்களுக்கு 1 டிகிரி விடுதலை மட்டுமே இருக்கும் போதெல்லாம் உங்கள் கணக்கீடுகளுக்கு நீங்கள் செய்ய வேண்டிய ஒரு சிறிய மாற்றம் உள்ளது. இது “தொடர்ச்சியான திருத்தம்” என்று அழைக்கப்படுகிறது, அல்லது சில நேரங்களில் ** யேட்ச் திருத்தம் **. நான் முன்பு சுட்டிக்காட்டியதை நினைவில் கொள்ளுங்கள்: χ² சோதனை ஒரு தோராயத்தை அடிப்படையாகக் கொண்டது, குறிப்பாக பைனோமியல் வழங்கல் பெரிய n *க்கு ஒரு சாதாரண வழங்கல் போல தோற்றமளிக்கத் தொடங்குகிறது என்ற அனுமானத்தின் அடிப்படையில். இதில் ஒரு சிக்கல் என்னவென்றால், இது பெரும்பாலும் வேலை செய்யாது, குறிப்பாக உங்களுக்கு 1 டிகிரி விடுதலை மட்டுமே கிடைத்தால் (எ.கா., நீங்கள் 2 × 2 தற்செயல் அட்டவணையில் சுதந்திர சோதனையைச் செய்யும்போது). இதற்கு முக்கிய காரணம் என்னவென்றால், χ²- புள்ளிவிவரத்திற்கான உண்மையான மாதிரி வழங்கல் உண்மையில் தனித்துவமானது (ஏனெனில் நீங்கள் வகைப்படுத்தப்பட்ட தரவைக் கையாளுகிறீர்கள்!) ஆனால் χ² வழங்கல் தொடர்ச்சியானது. இது முறையான சிக்கல்களை அறிமுகப்படுத்தலாம். குறிப்பாக. பி-மதிப்புகள் சற்று சிறியவை).

Yates (1934) suggested a simple fix, in which you redefine the goodness-of-fit statistic as:

\[\chi^2 = \sum_{i} \frac{(|E_i - O_i| - 0.5)^2}{E_i}\]

அடிப்படையில், அவர் எல்லா இடங்களிலும் 0.5 ஐக் கழிக்கிறார்.

யேட்சின் காகிதத்தைப் படிப்பதில் இருந்து என்னால் சொல்ல முடிந்தவரை, திருத்தம் அடிப்படையில் ஒரு ஏக். இது எந்தவொரு கொள்கை ரீதியான கோட்பாட்டிலிருந்தும் பெறப்படவில்லை. மாறாக, இது சோதனையின் நடத்தை பற்றிய பரிசோதனையை அடிப்படையாகக் கொண்டது, மேலும் சரிசெய்யப்பட்ட பதிப்பு சிறப்பாக செயல்படுவதாகத் தெரிகிறது. `` புள்ளிவிவரங்கள்` விருப்பங்களில் ஒரு தேர்வுப்பெட்டியில் இருந்து இந்த திருத்தத்தை சாமோவியில் குறிப்பிடலாம், அங்கு அது χ² தொடர்ச்சியான திருத்தம் என்று அழைக்கப்படுகிறது.