====== Test chi kvadrát (χ2 test) ======

Test, který se užívá k určení statistické významnosti kvantitativního rozdílu v datech. V rámci korpusové lingvistiky se využívá v [[pojmy:keyword#keyword|analýze klíčových slov]] a také jako [[pojmy:asociacni_miry|asociační míra]] pro identifikaci [[pojmy:kolokace|kolokací]].

===== χ2 test při analýze klíčových slov =====

Principem χ2 testu je porovnání frekvence jednotky naměřené v jednom korpusu (observed) s hodnotou očekávanou na základě pravděpodobnosti zjištěné v druhém korpusu (expected). Pokud je rozdíl těchto hodnot velký, je značná pravděpodobnost, že zkoumaný rozdíl není náhodný a vyjadřuje skutečnou odlišnost mezi daty. 

Test χ2 se ukazuje jako nespolehlivý v případě, že zkoumané jednotky nabývají malých frekvencí (menší než 5); z toho důvodu se užívá analogických testů [[pojmy:asociacni_miry#log_likelihood|log-likelihood]] nebo Fischerova exaktního testu. 

χ2 test přitom neslouží k určení míry odlišnosti, relevance (effect size), měří pouze, zda je k dispozici dostatek dat, abychom významnost rozdílu mohli konstatovat s určitou mírou jistoty. V případě, že poměřované hodnoty jsou velmi vysoké (např. v řádu desetitisíců), vycházejí testy téměř vždy jako statisticky signifikantní, ačkoli relativní rozdíl mezi hodnotami není lingvisticky relevantní, uchopitelný nebo interpretovatelný.

===== χ2 test při identifikaci kolokací =====

Principiálně se užití χ2 testu pro identifikaci [[pojmy:kolokace|kolokací]] neliší od využití předchozího. Stejným vzorcem se v tomto případě nepoměřují dva různé texty/korpusy, ale frekvence kolokátů v okolí hledaného [[pojmy:kwic|KWICu]] s frekvencí těchto slov v celém korpusu. Je-li relativní frekvence v okolí hledaného slova (node word) signifikantně větší než v celém korpusu, pak je takové slovo označeno jako kolokát.

===== Související odkazy =====

<WRAP round box 49%>
[[wp>Pearson's_chi-squared_test|Pearson's chi-squared test]] • [[pojmy:asociacni_miry|Asociační míry]] • [[pojmy:kolokace|Kolokace]]
</WRAP>