n
2
2 ( nij −^μij )
X =∑ ∑
i j ^μij
nπ
Dengan H 0 :independen, μij =¿ i+¿ π +j =
n i+¿n+j
¿¿ . Dalam kasus umum dimana
n
nij
^π ij = . Rasio likelihood setara dengan
n
Λ=∏ ∏ ¿ ¿ ¿ ¿ ¿
i j
π^ 1− π^ 2
z=
1 1
√ π^ (1− ^π )
( +
n 1 n2 )
Statistik itu berhubungan dengan Pearson untuk menguji independensi pada tabel
2x2 dengan z 2=X 2
Misalkan z berdistribusi normal maka z 2 berdistribusi chi-square dengan df =1
yang mana ( I −1)(J −1) berlaku dengan I =J=2
Formula untuk X 2 ,
2 n (n11 n22 −n12 n21)2
X =
n1 +¿n ¿¿ 2+ ¿n+1 n+2
( ^π 1−^π 2 )−∆0
z (∆¿ ¿ 0)= ¿
π^ 1 ( ∆0 ) [1− ^π 1 ( ∆0 ) ] π^ 2 ( ∆0 ) [1− π^ 2 ( ∆ 0) ]
√ n1
+
n2
μ^ 11 ( θ0 ) μ^ 22(θ 0)
θ0 =
μ^ 12 ( θ0 ) ^μ21 (θ0)
2 ∑ (nij − μ^ ij ( θ0 ) )2 2
X ( θ0 ) = < X (α ) 1
μ^ ij (θ0 )
Membentuk 100 ( 1−α ) % interval kepercayaan untuk uji skor. Interval ini juga
koheren dengan Pearson Chi Square untuk H 0 :θ=1
nij
G2 ( θ0 )=2 ∑ ∑ nij log
i j
[ ^μij (θ 0)]< X 21( α )
[ ^ ) < X 21 ( α )
−2 L ( β 0 , ψ^ 1 ( β 0 ) )−L ( β^ , ψ ]
3.3 UJI CHI-SQUARE
3.3.1 RESIDUAL PEARSON DAN RESIDUAL YANG DISTANDARKAN
Dibawah H 0, selisih yang semakin besar antara ( n ij− μ^ ij ) sering terjadi dalam
kolom dengan μij yang besar
Residual Pearson didefinisikan,
n −^μ
e ij = ij ij
√ ^μij
2
Residual Pearson terkait dengan statistik Pearson ∑ ∑ eij
i j