جدول توزيع كاي تربيع

يمثل الاستدلال الإحصائي الركيزة الجوهرية التي تقوم عليها الأبحاث التجريبية في العلوم الإنسانية، والسلوكية، والطبية، والاجتماعية؛ إذ يتيح للباحثين الانتقال من مجرد وصف البيانات الظاهرية للعينات إلى استنباط أحكام عامة واختبار فرضيات علمية دقيقة حول المجتمعات الأصلية. ومن بين مختلف الأدوات التوزيعية التي وفرتها الرياضيات التطبيقية، يحظى جدول توزيع كاي تربيع (Chi-Square Distribution Table) بمكانة مركزية استثنائية بوصفه المعيار المرجعي الأساسي لتقييم الدلالة الإحصائية في الاختبارات اللامعلمية واختبارات جودة المطابقة والاستقلالية.

تكمن الأهمية العملية لهذا الجدول في قدرته الفائقة على اختزال تكاملات دالة كثافة الاحتمال المعقدة في قيم حرجة محددة ومفهرسة بدقة، تربط بين مستويات الدلالة الاحتمالية ومختلف درجات الحرية. يتيح ذلك للمحلل الإحصائي والباحث الأكاديمي تحديد ما إذا كانت التباينات الملاحظة بين التكرارات الفعلية والتكرارات المتوقعة نظرياً ناتجة عن صدفة عشوائية، أو أنها تعكس تأثيراً حقيقياً وعلاقة ذات دلالة إحصائية تستوجب رفض الفرضية الصفرية وقبول الفرضية البديلة.

يتناول هذا الدليل الشامل تفكيك البنية الهيكلية لجدول توزيع كاي تربيع، واستعراض جذوره النظرية والرياضية، وتوضيح آليات قراءته وتطبيقاته المنهجية المتعددة في القياس النفسي والأبحاث السلوكية والإكلينيكية، بالإضافة إلى مناقشة الشروط الحاكمة لاستخدامه، وحساب أحجام الأثر المصاحبة له، وتجنب الأخطاء الشائعة التي قد تؤدي إلى استنتاجات مضللة.

1. مقدمة في جدول توزيع كاي تربيع وأهميته الإحصائية

1.1 ماهية جدول توزيع كاي تربيع ومكوناته الأساسية

يُعرَّف جدول توزيع كاي تربيع بأنه مصفوفة رياضية مرجعية تتضمن قيماً عددية مقطوعة تمثل “القيم الحرجة” (Critical Values) المقابلة لمساحات محددة تحت منحنى دالة كثافة الاحتمال لتوزيع كاي تربيع. يتألف هذا الجدول في بنيته الأساسية من محورين رئيسيين: المحور الرأسي الذي يمثل درجات الحرية (Degrees of Freedom – $df$) المتدرجة تصاعدياً، والمحور الأفقي الذي يمثل مستويات المعنوية أو مستويات ألفا الاحتمالية ($\alpha$) الشائعة في البحث العلمي مثل ($0.10$، $0.05$، $0.01$، $0.001$).

تعبر الأرقام المسجلة داخل خلايا الجدول عن الإحداثيات الأفقية على منحنى التوزيع التي تترك على يمينها (في جداول الطرف الأيمن الأكثر شيوعاً) مساحة احتمالية تراكمية تعادل مستوى ألفا المختار. يهدف هذا التصميم الهندسي للمصفوفة إلى إعفاء الباحث من إجراء عمليات التكامل الرياضي المعقد للدوال الأسية والجامية في كل اختبار إحصائي، موفراً بديلاً معيارياً جاهزاً يربط النظريات الاحتمالية المجردة بالممارسة الميدانية المباشرة، مما يجعله حجر الزاوية في الاختبارات الإحصائية اللامعلمية المتعلقة بالبيانات الاسمية والرتبية.

1.2 الجذور التاريخية لتطوير جدول كاي تربيع

تعود الجذور التاريخية لصياغة اختبار وتوزيع كاي تربيع إلى الإحصائي البريطاني الرائد كارل بيرسون (Karl Pearson) في بحثه المنشور عام 1900، والذي أحدث ثورة مفاهيمية في التحليل الإحصائي الحديث. واجه بيرسون معضلة علمية تمثلت في كيفية اختبار ما إذا كانت مجموعة من التكرارات المشاهدة تتبع توزيعاً نظرياً محدداً دون الاعتماد الحصري على فرضية التوزيع الطبيعي المطلق للمتغيرات الفردية، مما قاده إلى استنباط إحصائية كاي تربيع واشتقاق توزيعها الرياضي.

في الحقبة التي سبقت ظهور المعالجات الآلية والحواسيب الإلكترونية، كانت عملية حساب الاحتمالات التراكمية تتطلب وقتاً طويلاً وجهداً حسابياً مضنياً؛ لذا برزت الحاجة الملحة إلى بناء جداول ورقية معيارية تتيح للباحثين مقارنة نتائجهم الحسابية الميدانية فوراً. خضعت هذه الجداول لتحسينات متعاقبة على يد علماء مثل رونالد فيشر وإيغون بيرسون لضبط دقتها العشرية وإدراج مستويات دلالة متعددة، ورغم التطور البرمجي المعاصر، تظل دراسة وفهم الجداول المطبوعة عنصراً أساسياً في التكوين المنهجي والأكاديمي للباحثين لترسيخ الفهم الهندسي للاستدلال الإحصائي.

1.3 مكانة جدول كاي تربيع في أبحاث العلوم النفسية والسلوكية

تحتل البيانات التصنيفية (Categorical Data) والاسمية (Nominal Data) مساحة واسعة من أدوات القياس في العلوم النفسية، والسلوكية، والتربوية؛ حيث يتعامل الباحثون غالباً مع متغيرات مصنفة مثل: الأنماط المزاجية، والتصنيفات الإكلينيكية (سوي / مضطرب)، ومستويات الاستجابة لاستبيانات الشخصية، وتفضيلات السلوك الاجتماعي. لا تتناسب هذه البيانات في شكلها الأولي مع الاختبارات المعلمية مثل اختبار “ت” (t-test) أو تحليل التباين (ANOVA) التي تشترط اتصال البيانات وتوزيعها الطبيعي.

من هنا تبرز المكانة المحورية لجدول كاي تربيع كأداة استدلالية تمكن علماء النفس من تقييم الفروق بين الأنماط السلوكية الملاحظة وتلك المتوقعة وفق النماذج النظرية، فضلاً عن فحص استقلالية السمات الشخصية عن المتغيرات البيئية والديموغرافية، وتحديد ما إذا كان توزيع اضطراب نفسي معين يختلف باختلاف الفئات العمرية أو النوع الاجتماعي بدلالة إحصائية موثوقة تسهم في ضبط التشخيص الإكلينيكي وتصميم البرامج العلاجية.

2. المفاهيم الرياضية والنظرية الكامنة وراء جدول كاي تربيع

2.1 دالة كثافة الاحتمال وتوليد قيم الجدول

يستند توزيع كاي تربيع رياضياً إلى جمع مربعات عدد $k$ من المتغيرات العشوائية المستقلة التي تتبع كل منها التوزيع الطبيعي المعياري $N(0, 1)$. تُعرف دالة كثافة الاحتمال (Probability Density Function – PDF) لمتغير كاي تربيع $X \sim \chi^2(k)$ بالصيغة الرياضية التالية:

$$f(x; k) = \frac{1}{2^{k/2} \Gamma(k/2)} x^{(k/2) – 1} e^{-x/2} \quad \text{for } x ge 0$$

حيث تمثل $\Gamma$ دالة غاما (Gamma function)، ويمثل $k$ درجات الحرية. يتم توليد القيم المسجلة في جدول كاي تربيع عبر حساب التكامل المحدود لدالة الكثافة الاحتمالية من قيمة حرجة معينة $\chi^2_{\alpha, k}$ إلى ما لا نهاية لتساوي المساحة الاحتمالية المطلوبة $\alpha$:

$$P(X ge \chi^2_{\alpha, k}) = \int_{\chi^2_{\alpha, k}}^{\infty} f(x; k) , dx = \alpha$$

يمتاز منحنى توزيع كاي تربيع بأنه يبدأ دائماً من الصفر ويمتد إلى ما لا نهاية الموجبة، وهو توزيع غير متماثل يتسم بالتواء إيجابي شديد (Right-skewed) عند درجات الحرية المنخفضة، ويتناقص هذا الالتواء تدريجياً مقترباً من التماثل كلما ازدادت قيمة درجات الحرية.

2.2 مفهوم درجات الحرية وأثرها المباشر على بنية الجدول

تمثل درجات الحرية (Degrees of Freedom) عدد القيم أو البيانات المستقلة التي تمتلك حرية التغير الفعلي عند حساب إحصائية معينة بعد فرض قيود أو معلمات محددة على النموذج. في سياق جدول كاي تربيع، تعد درجات الحرية المعلمة الأساسية الوحيدة ($k$) التي تحدد الشكل الدقيق لمنحنى التوزيع، ومتوسطه الرياضي (الذي يساوي $k$)، وتباينه (الذي يساوي $2k$).

ينعكس تغير درجات الحرية طردياً على القيم الحرجة المسجلة في الجدول؛ فكلما ارتفعت درجات الحرية، زادت القيمة الحرجة المقابلة لنفس مستوى الدلالة الاحتمالية، نظراً لتوسع نطاق التوزيع وزيادة متوسطه. يتم حساب درجات الحرية في الجداول أحادية البعد عبر المعادلة $(k – 1)$ حيث $k$ يمثل عدد الفئات، بينما تُحسب في جداول التوافق الثنائية ومتعددة الفئات عبر الصيغة $(r – 1)(c – 1)$ حيث يمثل $r$ عدد الصفوف و$c$ عدد الأعمدة.

2.3 العلاقة الرياضية بين توزيع كاي تربيع والتوزيعات الإحصائية الأخرى

يرتبط توزيع كاي تربيع بعلاقات رياضية وطيدة مع التوزيعات الاحتمالية الكلاسيكية في نظرية الإحصاء:

• التوزيع الطبيعي المعياري (Z): إذا كان $Z sim N(0, 1)$، فإن مربع هذا المتغير يتبع توزيع كاي تربيع بدرجة حرية واحدة، أي أن $Z^2 \sim \chi^2(1)$.
• توزيع ستيودنت (t-distribution): ينشأ توزيع “ت” من قسمة متغير طبيعي معياري على الجذر التربيعي لمتغير كاي تربيع مقسوماً على درجات حريته: $t = \frac{Z}{\sqrt{\chi^2_k / k}}$. وبناءً عليه، فإن مربع قيمة $t$ بدرجة حرية $k$ يساوي قيمة كاي تربيع بدرجة حرية واحدة مقسومة على $1$ عند المقارنة المباشرة.
• توزيع فيشر (F-distribution): يمثل توزيع $F$ النسبة بين متغيرين مستقلين يتبعان توزيع كاي تربيع، مقسوماً كل منهما على درجات حريته الخاصة: $F = \frac{\chi^2_1 / df_1}{\chi^2_2 / df_2}$.
• التقارب التقاربي (Asymptotic Normality): وفقاً لـ نظرية النهاية المركزية، عندما تقترب درجات الحرية من قيم مرتفعة ($df > 30$ أو $100$)، يقترب توزيع كاي تربيع تدريجياً من التوزيع الطبيعي بالمتوسط $\mu = k$ والتباين $\sigma^2 = 2k$.

3. البنية الهيكلية لجدول توزيع كاي تربيع وكيفية قراءته

3.1 قراءة صفوف درجات الحرية (Degrees of Freedom)

عند فحص الجدول المطبوع لتوزيع كاي تربيع، يقع عمود درجات الحرية (المشار إليه عادة بالرمز $df$ أو $\nu$ أو $k$) في أقصى الجانب الأيسر (أو الأيمن في بعض المراجع العربية). يتدرج هذا العمود بيانياً بدءاً من القيمة $1$ وحتى $30$ بزيادات مقدارها وحدة واحدة، ثم يتدرج بقفزات أوسع ($40$، $50$، $60$، $80$، $100$) لتغطية العينات والتصميمات المعقدة.

في الحالات التي تكون فيها درجات الحرية المحسوبة في البحث غير مدرجة صراحة في الصفوف المطبوعة (كالرقم $47$ مثلاً)، يتبع الباحثون المنهج الرياضي القائم على “الاستيفاء الداخلي الخطي” (Linear Interpolation) لتقدير القيمة بدقة، أو الاعتماد على التقريب المحافظ باختيار درجة الحرية الأقل المتاحة لضمان عدم تضخيم احتمالية اتخاذ قرار برفض الفرضية الصفرية دون مبرر إحصائي كافٍ.

3.2 فهم أعمدة مستويات الدلالة الاحتمالية (P-values / Alpha Levels)

تحتوي الصفوف العلوية لجدول توزيع كاي تربيع على مستويات الدلالة الاحتمالية المعيارية ($\alpha$)، والتي تعبر في الجداول الكلاسيكية عن مساحة الذيل الأيمن للمنحنى (Right-tail probability). تمثل هذه المساحة الاحتمالية احتمال الحصول على قيمة لإحصائية الاختبار مساوية للقيمة الحرجة أو متجاوزة لها بمحض الصدفة العشوائية في حال صحة الفرضية الصفرية.

تتراوح قيم ألفا الأكثر استخداماً بين $0.10$ (للدراسات الاستطلاعية)، و$0.05$ (المعيار الذهبي في العلوم النفسية والسلوكية)، و$0.01$ و$0.001$ (للدراسات الصيدلانية والإكلينيكية الحساسة). يجب على الباحث التحقق من ترويسة الجدول للتأكد مما إذا كانت القيم تمثل مساحة الطرف الأيمن ($P(X ge x)$) أو المساحة التراكمية من الصفر ($P(X le x)$)، لتجنب الوقوع في خطأ عكسي عند تحديد القيمة المرجعية.

3.3 تحديد القيمة الحرجة عند تقاطع الصف والعمود

تُستخرج القيمة الحرجة المرجعية من خلال الإسقاط البصري المتقاطع بين الصف الممثل لدرجات حرية التحليل ($df$) والعمود الممثل لمستوى المعنوية المعتمد ($\alpha$). تمثل نقطة التقاطع هذه الحد الفاصل الدقيق بين “منطقة القبول” (منطقة عدم رفض الفرضية الصفرية) و”منطقة الرفض” (المنطقة الحرجة).

على سبيل المثال، إذا كان التحليل النفسي يعتمد على درجات حرية $df = 4$ ومستوى دلالة $\alpha = 0.05$، فإن التحرك أفقياً من الصف $4$ حتى العمود $0.05$ يقود إلى القيمة الحرجة $9.488$. يعني ذلك رياضياً أن أي قيمة كاي تربيع محسوبة تتجاوز $9.488$ تقع داخل منطقة الرفض وتعد ذات دلالة إحصائية عند مستوى ثقة $95%$.

4. أنواع الاختبارات الإحصائية المعتمدة على جدول كاي تربيع

4.1 اختبار حسن المطابقة (Goodness-of-Fit Test)

يُستخدم اختبار كاي تربيع لحسن المطابقة للتحقق من مدى اتساق توزيع تكراري ملاحظ لعينة أحادية المتغير مع توزيع نظري مفترض أو محدد سلفاً. تتلخص الفرضية الصفرية ($H_0$) في هذا الاختبار بأن التكرارات المشاهدة ($O$) تتطابق مع التكرارات المتوقعة ($E$) الخاضعة للنموذج النظري.

تُحسب درجات الحرية في اختبار حسن المطابقة وفق الصيغة $df = k – 1 – m$، حيث $k$ يمثل عدد الفئات التصنيفية، و$m$ يمثل عدد المعلمات المقدرة من بيانات العينة (وفي حال عدم تقدير أي معلمة يكون $df = k – 1$). يُطبق هذا الاختبار بكثافة في القياس النفسي للتحقق من اعتدالية توزيع درجات مقياس سلوكي معين عبر مقارنة فئات الدرجات المشاهدة بنسب منحنى التوزيع الطبيعي المقابلة.

4.2 اختبار الاستقلالية (Test of Independence)

يهدف اختبار كاي تربيع للاستقلالية إلى فحص وجود علاقة ارتباطية ذات دلالة إحصائية بين متغيرين تصنيفيين نوعيين في مجتمع الدراسة. يتم تصنيف أفراد العينة الواحدة وفقاً لمتغيرين في مصفوفة ثنائية الأبعاد تُعرف بجدول التوافق (Contingency Table) ذي الحجم $r \times c$.

تحدد درجات الحرية لهذا الاختبار بالمعادلة $df = (r – 1)(c – 1)$. تُبنى الفرضية الصفرية على افتراض الاستقلال التام بين المتغيرين (أي أن الانتماء لأي فئة في المتغير الأول لا يرتبط بالانتماء لفئات المتغير الثاني)، وتُستخرج القيمة الحرجة من جدول كاي تربيع لمقارنة الفروق بين التكرارات المشاهدة في كل خلية والتكرارات المتوقعة المحسوبة بافتراض الاستقلالية.

4.3 اختبار التجانس (Test of Homogeneity)

على الرغم من التطابق الرياضي في الحساب بين اختبار التجانس واختبار الاستقلالية، إلا أن الفارق الجوهري يكمن في طريقة تصميم المعاينة وجمع البيانات. في اختبار كاي تربيع للتجانس، يقوم الباحث بسحب عينات عشوائية مستقلة مسبقاً من مجتمعات أو مجموعات سكانية متعددة (مثل: عينة من الذكور وعينة من الإناث)، ثم يقيس متغيراً تصنيفياً واحداً لدى هذه المجموعات.

تتمثل الفرضية الصفرية هنا في تجانس نسب التوزيع للمتغير التصنيفي عبر المجتمعات المدروسة. يُعتمد على جدول كاي تربيع بنفس الصيغة لدرجات الحرية $(r – 1)(c – 1)$ للبت في قبول أو رفض فرضية التجانس، مما يفيد في مقارنة نسب انتشار الاضطرابات السلوكية بين بيئات جغرافية أو ثقافية مختلفة.

5. خطوات استخدام جدول توزيع كاي تربيع في اتخاذ القرارات الإحصائية

5.1 صياغة الفرضيات الإحصائية وتحديد مستوى ألفا

تبدأ المعالجة الإحصائية الرصينة بالصياغة الإجرائية المحكمة للفرضيات العلمية قبل الشروع في فحص البيانات:

• الفرضية الصفرية ($H_0$): تنص على عدم وجود فروق دالة إحصائياً بين التكرارات الملاحظة والمتوقعة (في حسن المطابقة)، أو عدم وجود علاقة ارتباطية بين المتغيرين (في الاستقلالية)، أو تماثل النسب عبر المجتمعات (في التجانس).
• الفرضية البديلة ($H_1$): تنص على وجود فروق جوهرية، أو وجود علاقة ارتباطية، أو غياب التجانس بين المجموعات.

يتعين على الباحث تثبيت مستوى الدلالة الاحتمالية ($\alpha$) مسبقاً (غالباً $\alpha = 0.05$ أو $\alpha = 0.01$) للحد من الانحياز التأكيدي وضبط احتمالية الوقوع في الخطأ من النوع الأول (Type I Error)، وهو رفض الفرضية الصفرية بينما هي صحيحة في الواقع.

5.2 حساب إحصائية الاختبار الرياضية وتحديد درجة الحرية

يتم احتساب قيمة كاي تربيع المحسوبة ($\chi^2_{\text{calc}}$) من واقع البيانات الميدانية من خلال جمع مربعات الفروق بين التكرارات الملاحظة ($O$) والتكرارات المتوقعة ($E$)، مقسومة على التكرار المتوقع لكل خلية، وفق الصيغة العامة لبيرسون:

$$\chi^2 = \sum \frac{(O – E)^2}{E}$$

حيث يُحسب التكرار المتوقع لخلية تقع في الصف $i$ والعمود $j$ في جداول التوافق عبر الصيغة:

$$E_{ij} = \frac{R_i \times C_j}{N}$$

حيث $R_i$ مجموع الصف، و$C_j$ مجموع العمود، و$N$ حجم العينة الكلي. تلي ذلك خطوة التحديد الدقيق لدرجة الحرية المرتبطة بنوع الاختبار والتصميم التجريبي المعتمد.

5.3 مقارنة القيمة المحسوبة بالقيمة الحرجة المستخرجة من الجدول

تتمثل القاعدة المنهجية لاتخاذ القرار الإحصائي في المقارنة المباشرة بين القيمة المحسوبة والقيمة الحرجة المستخرجة من جدول كاي تربيع:

• إذا كانت القيمة المحسوبة $ge$ القيمة الحرجة ($\chi^2_{\text{calc}} ge \chi^2_{\text{crit}}$)، تقع الإحصائية في “منطقة الرفض”، ويتم رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$) بدلالة إحصائية عند مستوى $\alpha$.
• إذا كانت القيمة المحسوبة < القيمة الحرجة ($\chi^2_{\text{calc}} < \chi^2_{\text{crit}}$)، تقع الإحصائية في "منطقة القبول"، ويتم عدم رفض الفرضية الصفرية، لعدم كفاية الأدلة الإحصائية لإثبات وجود تأثير أو علاقة حقيقية.

يرتبط هذا القرار بالاستنتاج العلمي؛ إذ يقود رفض الفرضية الصفرية إلى تأكيد الفرضيات النظرية للباحث، شريطة حساب حجم الأثر لتقدير الأهمية العملية للنتيجة.

6. تطبيقات جدول كاي تربيع في القياس والأبحاث النفسية

6.1 تحليل استجابات مقاييس ليكرت والاستبيانات النفسية

تعتمد مقاييس الشخصية والاتجاهات النفسية بشكل واسع على سلالم ليكرت (مثل: غير موافق بشدة، غير موافق، محايد، موافق، موافق بشدة). يُستخدم جدول توزيع كاي تربيع في التحليل الأولي لبنود المقاييس (Item Analysis) للتحقق مما إذا كانت توزيعات إجابات العينة الاستطلاعية تختلف دلالياً عن التوزيع العشوائي المتساوي لجميع الخيارات.

يسهم هذا الإجراء في اكتشاف البنود التي تتسم بالتحيز الشديد أو ضعف التمييز بين المفحوصين، فإذا أظهرت مقارنة التكرارات المشاهدة مع التوزيع المتساوي قيمة كاي تربيع محسوبة تفوق القيمة الحرجة في الجدول، دل ذلك على وجود نمط استجابة محدد لدى أفراد العينة تجاه الفقرة، مما يعطي مؤشراً حول صلاحيتها السيكومترية أو حاجتها لإعادة الصياغة.

6.2 دراسة التواكب بين الاضطرابات النفسية والمتغيرات البيئية

تستعين الأبحاث النفسية الإكلينيكية باختبار الاستقلالية المعتمد على جدول كاي تربيع لفحص التواكب المرضي (Comorbidity) بين اضطرابات نفسية مختلفة، أو دراسة ارتباط ظهور اضطراب معين (مثل: اضطراب الاكتئاب الجسيم، القلق العام) بمتغيرات بيئية واجتماعية محددة (مثل: الضغوط المهنية المزمنة، التعرض للصدمات في الطفولة، المستوى الاجتماعي الاقتصادي).

من خلال تنظيم البيانات في جداول توافق، يستخرج الباحث القيمة الحرجة من جدول كاي تربيع للحكم على ما إذا كان التشخيص الإكلينيكي مستقلاً عن المتغيرات البيئية أم أن هناك اقتراناً دالاً إحصائياً. يوجه هذا الاستدلال الأطباء والمعالجين نحو تحديد عوامل الخطر المسببة للاضطراب، وبناء خطط علاجية وتدخلات وقائية تستهدف الفئات الأكثر عرضة للتأثر.

6.3 التحقق من نماذج التصنيف النفسي وأنماط الشخصية

في ميدان سيكولوجية الشخصية، تفترض النماذج النظرية (كنموذج العوامل الخمسة الكبرى للشخصية أو تصنيفات كارل يونغ للأنماط المعرفية) توزيعات نسبية معينة للأنماط في المجتمع العام. يوظف الباحثون جدول كاي تربيع لحسن المطابقة لمقارنة نسب التوزيع الملاحظة للأنماط المزاجية في عينات نوعية مع التوزيعات المعيارية المعتمدة في الأدبيات السيكومترية.

يساعد الرجوع إلى القيمة الحرجة في الجدول على تقييم مدى ملاءمة النماذج متعددة الأبعاد على بيئات ثقافية جديدة، فضلاً عن مقارنة البنى النفسية بين المرضى النفسيين والأفراد الأسوياء لتبين ما إذا كانت بعض أنماط الشخصية تسجل حضوراً غير متكافئ بين الفئتين.

7. الشروط والافتراضات المنهجية لاستخدام جدول كاي تربيع

7.1 استقلالية الملاحظات وطبيعة العينات

يُعد شرط استقلالية الملاحظات (Independence of Observations) الفرضية الأكثر حرجاً لاستخدام جدول كاي تربيع؛ إذ يشترط أن يساهم كل مفحوص في العينة بتكرار واحد فقط في خلية تصنيفية واحدة داخل جدول التوافق، بحيث لا تتداخل البيانات ولا يتم قياس الفرد الواحد عدة مرات عبر الزمن في نفس الاختبار.

يؤدي انتهاك هذا الشرط، كما في تصميمات القياسات المتكررة (Repeated Measures) أو الدراسات الطولية التي تتبع نفس الأفراد، إلى تضخيم زائف في درجات الحرية وتشويه لقيم كاي تربيع، مما يبطل الاعتماد على الجدول التقليدي. في مثل هذه الحالات، يلجأ الباحث إلى اختبارات مخصصة للبيانات المرتبطة كاختبار ماكنيمار (McNemar’s Test) أو اختبار كوشران للعينات المترابطة.

7.2 شرط التكرارات المتوقعة وحجم الخلايا الأدنى

يستند توزيع كاي تربيع النظري إلى نموذج رياضي متصل، بينما التكرارات الفعلية في الجداول تمثل متغيرات متقطعة منفصلة. لضمان دقة التقارب الاحتمالي، وضع الإحصائي ويليام كوشران (Cochran) قواعد إرشادية صارمة تتعلق بالحد الأدنى للتكرارات المتوقعة في خلايا الجدول:

• ألا يقل التكرار المتوقع ($E$) في أي خلية فردية داخل الجدول عن $1$.
• ألا يقل التكرار المتوقع عن $5$ في أكثر من $20%$ من خلايا جدول التوافق الكلي.

في حال انتهاك هذه الشروط، تصبح قيم جدول كاي تربيع غير موثوقة وتميل لإعطاء قرارات خاطئة. ولتجاوز هذه المشكلة منهجياً، يمكن للباحث إعادة تصنيف البيانات عبر دمج الفئات المنطقية المتقاربة لرفع التكرارات المتوقعة، أو استخدام بدائل إحصائية مخصصة للجداول الصغيرة.

7.3 حجم العينة الكلي وحدود الكفاءة الإحصائية

يتطلب اختبار كاي تربيع حجماً كلياً مناسباً للعينة ($N$) لضمان كفاءة القوة الإحصائية (Statistical Power). يُجمع علماء الإحصاء على ألا يقل حجم العينة الإجمالي في أي اختبار لكاي تربيع عن $N = 20$ مفحوصاً كحد أدنى مطلق في جداول $2 \times 2$.

من جانب آخر، يؤدي استخدام عينات ضخمة جداً (عشرات الآلاف) إلى حساسية إحصائية مفرطة؛ حيث تسفر الفروق الهامشية الضئيلة جداً بين التكرارات عن قيمة كاي تربيع محسوبة تتجاوز القيمة الحرجة في الجدول بسهولة مسجلة دلالة إحصائية زائفة ($p < 0.001$) دون أي قيمة تطبيقية أو إكلينيكية حقيقية. لذلك، يتحتم على الباحث تقييم حجم العينة بموازاة حساب مقاييس حجم الأثر.

8. تصحيحات وتعديلات القيم الإحصائية المقارنة بالجدول

8.1 تصحيح ييتس للاستمرارية (Yates’s Continuity Correction)

اقترح الإحصائي فرانك ييتس تصحيحاً رياضياً مخصصاً لجداول التوافق الرباعية ذات الحجم ($2 \times 2$) التي تملك درجة حرية واحدة ($df = 1$). يعالج تصحيح ييتس للاستمرارية الفجوة الناتجة عن استخدام توزيع كاي تربيع المتصل لتقريب بيانات التكرارات المنفصلة في العينات المتوسطة والصغيرة.

تتمثل صيغة ييتس في خصم القيمة الثابتة $0.5$ من القيمة المطلقة للفروق بين التكرارات الملاحظة والمتوقعة قبل تربيعها:

$$\chi^2_{\text{Yates}} = \sum \frac{(|O – E| – 0.5)^2}{E}$$

يؤدي هذا التصحيح إلى خفض قيمة كاي تربيع المحسوبة بصورة طفيفة، مما يجعل الاختبار أكثر تحفظاً ويقلل من فرصة الوقوع في الخطأ من النوع الأول عند مقارنة القيمة المصححة مباشرة بالقيمة الحرجة المستخرجة من جدول كاي تربيع عند $df = 1$.

8.2 التعامل مع الجداول الصغيرة وبديل اختبار فيشر الدقيق

عندما تكون العينات صغيرة جداً وينتهك التكرار المتوقع شرط كوشران بوجود خلايا تقل عن $5$ في جداول $2 \times 2$، يفقد جدول توزيع كاي تربيع كفاءته الاستدلالية بصورة كلية، ولا يجدي تصحيح ييتس نفعاً كافياً لضبط دقة القرار.

في هذا السياق، يُعد اختبار فيشر الدقيق (Fisher’s Exact Test) البديل المعياري المباشر؛ حيث لا يعتمد على قيم جدولية تقريبية مبنية على توزيع كاي تربيع، بل يقوم بحساب الاحتمال المفرط الهندسي (Hypergeometric Probability) الدقيق لحدوث التكرارات الملاحظة أو الأكثر تطرفاً منها مباشرة وفق المضروب الحسابي للتباديل والتوافيق.

8.3 تصحيح بونفيروني عند إجراء المقارنات المتعددة

عندما يقوم الباحث بإجراء اختبارات كاي تربيع متعددة على نفس مجموعة البيانات (كما في فحص استجابات استبيان نفسي يتضمن $20$ فقرة مستقلة ضد متغير الجنس)، يتضخم معدل الخطأ العائلي الكلي (Family-wise Error Rate)، وتزداد احتمالية الحصول على نتيجة دالة إحصائياً بمحض الصدفة.

للتعامل مع هذه المعضلة، يُطبق تصحيح بونفيروني (Bonferroni Correction) عن طريق قسمة مستوى ألفا المرجعي المستهدف ($\alpha$) على عدد الاختبارات المنجزة ($m$):

$$\alpha_{\text{adjusted}} = \frac{\alpha}{m}$$

يقوم الباحث بعد ذلك بالرجوع إلى جدول كاي تربيع للبحث عن القيمة الحرجة المقابلة لمستوى المعنوية المعدل ($\alpha_{\text{adjusted}}$)، مما يرفع سقف القيمة الحرجة المطلوبة لرفض الفرضية الصفرية ويضمن صرامة الاستنتاج العلمي.

9. حساب وتفسير أحجام الأثر المرافقة لقراءات جدول كاي تربيع

9.1 معامل فاي (Phi Coefficient) للجداول الثنائية (2×2)

تقتصر قراءة جدول كاي تربيع على تحديد ما إذا كانت الفروق أو العلاقات دالة إحصائياً من حيث المبدأ، دون أن تقدم تقديراً لقوة تلك العلاقة من الناحية العملية. في جداول التوافق الثنائية ذات البعد ($2 \times 2$)، يُستخدم معامل فاي ($phi$) كمقياس معياري لحجم الأثر، ويُحسب بربط قيمة كاي تربيع المحسوبة بحجم العينة الكلي:

$$\phi = \sqrt{\frac{\chi^2}{N}}$$

تتراوح قيمة معامل فاي بين $0$ (انعدام العلاقة) و$1$ (ارتباط تام). ووفقاً لمعايير جاكوب كوهين، يُفسر حجم الأثر كالتالي: $phi = 0.10$ يمثل أثراً صغيراً، و$phi = 0.30$ يمثل أثراً متوسطاً، و$phi = 0.50$ فأكثر يمثل أثراً كبيراً.

9.2 معامل كرامر (Cramér’s V) للجداول متعددة الفئات

عندما تتسع مصفوفة التوافق لتتجاوز جداول $2 \times 2$ (كالارتباط بين جدول $3 \times 3$ أو $4 \times 5$)، يتأثر معامل فاي بعدد الفئات وقد يتجاوز القيمة $1$. يُستخدم في هذه الحالة معامل كرامر ($V$)، الذي يعدل الصيغة الرياضية بأخذ الحد الأدنى لعدد الصفوف أو الأعمدة في الاعتبار:

$$V = \sqrt{\frac{\chi^2}{N \times \min(r – 1, c – 1)}}$$

حيث يمثل $min(r – 1, c – 1)$ القيمة الأصغر بين عدد الصفوف مطروحاً منها $1$ وعدد الأعمدة مطروحاً منها $1$. يتدرج معامل كرامر بدقة بين $0$ و$1$، مما يجعله المؤشر الأنسب لتقدير القوة العملية للارتباطات المعقدة في التصنيفات الإكلينيكية والنفسية بعد رفض الفرضية الصفرية بناءً على القيمة الحرجة للجدول.

9.3 نسبة الأرجحية (Odds Ratio) والمخاطر النسبية في الدراسات النفسية

في الدراسات الوبائية النفسية والأبحاث الطبية السلوكية القائمة على جداول $2 \times 2$ (مثل دراسة العلاقة بين التعرض لصدمة نفسية والإصابة بالاضطراب اللاحق للصدمة PTSD)، تقدم نسبة الأرجحية (Odds Ratio – $OR$) تفسيراً سريرياً دقيقاً. تُحسب نسبة الأرجحية من جدول التوافق ذي التكرارات ($a, b, c, d$) عبر حاصل الضرب التبادلي:

$$OR = \frac{a \times d}{b \times c}$$

تعبر القيمة $OR = 1$ عن تكافؤ الأرجحية بين المجموعتين، بينما تشير القيم الأكبر من $1$ إلى تضاعف أرجحية الإصابة أو الاستجابة لدى المجموعة المعرضة للمتغير المستقل. يتم حساب فترات الثقة (Confidence Intervals) لنسبة الأرجحية بالتكامل مع دلالة كاي تربيع المستخرجة من الجدول لتقديم صورة إحصائية متكاملة.

10. المقارنة بين استخدام الجدول المطبوع والمخرجات البرمجية

10.1 استخراج القيم وتفسيرها في البرمجيات الإحصائية (SPSS, R, Python)

تقدم الحزم البرمجية الإحصائية الحديثة مثل SPSS و R و Python تحليلات سريعة لاختبار كاي تربيع؛ حيث تصدر مخرجات تتضمن قيمة كاي تربيع المحسوبة، ودرجات الحرية، ومستوى الدلالة المقارب الدقيق المعنون في برنامج SPSS بـ “Asymptotic Significance (2-sided)”.

في لغة البرمجة الإحصائية R، يمكن استدعاء دالة qchisq(p, df, lower.tail = FALSE) لتوليد أي قيمة حرجة جدولية بدقة عشرية غير محدودة، بينما يوفر اختبار chisq.test() القيمة الاحتمالية الدقيقة مباشرة. تتطابق هذه المخرجات البرمجية مع منطق القراءة الجدولية؛ إذ إن الحصول على قيمة $p < 0.05$ برمجياً يكافئ تماماً تجاوز القيمة المحسوبة للقيمة الحرجة في الجدول الورقي عند مستوى $\alpha = 0.05$.

10.2 أهمية فهم بنية الجدول في تدريس وتحليل البيانات الرقمية

على الرغم من الاعتماد البرمجي المعاصر، يظل استيعاب الهيكل الرياضي لجدول كاي تربيع خطوة محورية في بناء الفكر الإحصائي الرصين لدى الباحثين؛ إذ تحمي القراءة اليدوية للجدول المحلل من الوقوع في فخ التفسير الآلي الميكانيكي للمخرجات دون إدراك للمعلمات التي تحكم القرار.

كما تمنح هذه المعرفة الأكاديميين قدرة فورية على مراجعة ونقد الأوراق العلمية أثناء عمليات التحكيم دون الحاجة لإعادة تشغيل الحزم الإحصائية، فضلاً عن سرعة التحقق من معقولية درجات الحرية ومستويات الدلالة المذكورة في التقارير المنشورة والتأكد من استيفاء افتراضات الاختبار.

10.3 مقارنة الدقة بين التقدير الجدولي والحساب الخوارزمي الحديث

تعتمد الجداول المطبوعة على التقريب العشري (عادة إلى ثلاثة أو أربعة أرقام عشرية)، وهو تقريب كافٍ جداً لاتخاذ القرارات البحثية التطبيقية في مختلف مجالات العلوم الاجتماعية والطبية. غير أن الخوارزميات الحاسوبية الحديثة تتفوق في إجراء التكامل العددي الدقيق وتوليد القيم الاحتمالية المستمرة لأي درجات حرية حتى لو كانت أرقاماً غير صحيحة أو كسوراً ناتجة عن نماذج إحصائية متقدمة.

ومع ذلك، تحتفظ جداول كاي تربيع بقيمتها المرجعية كمعيار توثيقي موحد، يستند إليه الباحثون في توضيح الحدود الفاصلة لمناطق الرفض والقبول في المراجع والكتب المنهجية المعتمدة.

11. الأخطاء الشائعة وسوء استخدام جدول توزيع كاي تربيع

11.1 الخلط بين حجم العينة الإجمالي ودرجات الحرية

من أكثر الأخطاء المنهجية شيوعاً بين المبتدئين في التحليل الإحصائي هو البحث في جدول كاي تربيع باستخدام حجم العينة الكلي ($N$) بدلاً من درجات الحرية الصحيحة ($df$). يؤدي هذا الخلط إلى استخراج قيمة حرجة من صف متقدم جداً في الجدول تزيد بكثير عن القيمة الحرجة الحقيقية للتصميم.

يترتب على هذا الخطأ تضخيم غير مبرر لمنطقة القبول وصعوبة بالغة في رفض الفرضية الصفرية حتى في وجود تأثيرات حقيقية واضحة في البيانات، مما يوقع الباحث في الخطأ من النوع الثاني (Type II Error) ويؤدي إلى رفض فرضيات بحثية صحيحة علمياً بسبب خطأ في الإسقاط الجدولي.

11.2 سوء فهم مستويات الذيل الواحد والذيلين في الجدول

يتميز توزيع كاي تربيع رياضياً بأنه اختبار أحادي الذيل بطبيعته (One-tailed test) في سياق اختبارات الفروق والاستقلالية؛ لأن تربيع الفروق ($(O – E)^2$) يجعل جميع الانحرافات موجبة وتتراكم حصرياً في الطرف الأيمن للمنحنى.

يقع بعض الباحثين في خطأ منهجي عند محاولة قسمة مستوى ألفا على $2$ (بافتراض تطبيق اختبار ثنائي الطرفين كما هو معتاد في التوزيع الطبيعي المعياري أو اختبار t) عند البحث في جدول كاي تربيع، مما يرفع القيمة الحرجة بشكل خاطئ. يجب دائماً استخدام مستوى ألفا الكامل ($\alpha = 0.05$) عند قراءة أعمدة مساحة الذيل الأيمن لاختبارات كاي تربيع ما لم يكن هناك سياق احتمالي استثنائي مخصص.

11.3 تطبيق الجدول على بيانات لا تناسب شروط توزيع كاي تربيع

يتكرر الخطأ في الممارسة الميدانية عند محاولة تطبيق اختبار وجدول كاي تربيع على بيانات كمية متصلة (Continuous Data) كدرجات الذكاء أو الرواتب الشهرية دون تصنيفها، أو إجراؤه على نسب مئوية ومتوسطات حسابية بدلاً من التكرارات العددية الخام للمفحوصين.

كما يُعد تطبيق الجدول على بيانات تتضمن خلايا ذات تكرار متوقع صفري ($E = 0$) انتهاكاً رياضياً يؤدي إلى القسمة على الصفر واستحالة حساب الإحصائية. في مثل هذه الحالات، يجب استخدام الاختبارات البارامترية المناسبة للبيانات المتصلة، أو اللجوء للتحويلات التصنيفية المشروطة، أو تطبيق النماذج اللوغاريتمية الخطية.

12. دليل عملي وحالات تطبيقية لاستخدام جدول توزيع كاي تربيع

12.1 دراسة حالة 1: تقييم فعالية تدخل علاجي سلوكي معرفي

أجرى فريق بحثي إكلينيكي تجربة عشوائية لتقييم فعالية برنامج قائم على العلاج المعرفي السلوكي (CBT) في خفض نوبات الهلع مقارنة بمجموعة ضابطة تلقت العلاج المعتاد (TAU). شملت العينة $100$ مريض ($50$ في كل مجموعة)، وتم تصنيف النتائج بعد ستة أشهر إلى: “تحسن ملحوظ” و”عدم تحسن / انتكاس”.

جاءت التكرارات الملاحظة كالتالي:

• مجموعة CBT: تحسن ($35$)، عدم تحسن ($15$) | المجموع = $50$.
• مجموعة TAU: تحسن ($20$)، عدم تحسن ($30$) | المجموع = $50$.
• المجاميع الكلية: إجمالي المتحسنين = $55$، إجمالي غير المتحسنين = $45$، المجموع الكلي $N = 100$.

تم حساب التكرارات المتوقعة ($E$):

• $E$ لمجموعة CBT (تحسن) = $(50 \times 55) / 100 = 27.5$
• $E$ لمجموعة CBT (عدم تحسن) = $(50 \times 45) / 100 = 22.5$
• $E$ لمجموعة TAU (تحسن) = $(50 \times 55) / 100 = 27.5$
• $E$ لمجموعة TAU (عدم تحسن) = $(50 \times 45) / 100 = 22.5$

حساب قيمة كاي تربيع المحسوبة:

$$\chi^2 = \frac{(35 – 27.5)^2}{27.5} + \frac{(15 – 22.5)^2}{22.5} + \frac{(20 – 27.5)^2}{27.5} + \frac{(30 – 22.5)^2}{22.5}$$

$$\chi^2 = \frac{56.25}{27.5} + \frac{56.25}{22.5} + \frac{56.25}{27.5} + \frac{56.25}{22.5} = 2.045 + 2.500 + 2.045 + 2.500 = 9.090$$

حساب درجات الحرية: $df = (2 – 1)(2 – 1) = 1$.

بالرجوع إلى جدول كاي تربيع عند $df = 1$ ومستوى معنوية $\alpha = 0.05$، نجد أن القيمة الحرجة = $3.841$. وبما أن القيمة المحسوبة ($9.090$) أكبر من القيمة الحرجة ($3.841$)، فإننا نرفض الفرضية الصفرية ونستنتج وجود علاقة ذات دلالة إحصائية بين نوع التدخل العلاجي ومعدلات التحسن السريري لصالح مجموعة العلاج المعرفي السلوكي.

حساب حجم الأثر (معامل فاي): $\phi = \sqrt{9.090 / 100} = \sqrt{0.0909} \approx 0.301$، وهو ما يمثل حجماً متوسطاً للأثر يؤكد الفعالية العملية والتطبيقية للبرنامج العلاجي.

12.2 دراسة حالة 2: فحص استقلالية الأنماط القيادية عن السمات المزاجية

في دراسة بسيكولوجيا الإدارة والتنظيم، رغب باحث في فحص استقلالية الأنماط القيادية (أوتوقراطي، ديمقراطي، تسيبي) عن الأنماط المزاجية للشخصية (دموي، صفراوي، سوداوي، بلغمي) لدى عينة مكونة من $300$ قائد إداري. تم تنظيم البيانات في جدول توافق بأبعاد $3 \times 4$.

تحديد درجات الحرية للتصميم:

$$df = (r – 1)(c – 1) = (3 – 1)(4 – 1) = 2 \times 3 = 6$$

أسفرت الحسابات الميدانية للتكرارات الملاحظة والمتوقعة عن قيمة كاي تربيع محسوبة مقدارها $\chi^2_{\text{calc}} = 14.85$.

بالرجوع إلى جدول توزيع كاي تربيع عند $df = 6$:

• عند مستوى دلالة $\alpha = 0.05$: القيمة الحرجة الجدولية = $12.592$.
• عند مستوى دلالة $\alpha = 0.01$: القيمة الحرجة الجدولية = $16.812$.

بالمقارنة الإحصائية: نلاحظ أن القيمة المحسوبة ($14.85$) تتجاوز القيمة الحرجة عند مستوى $\alpha = 0.05$ ($12.592$)، لكنها تقل عن القيمة الحرجة عند مستوى $\alpha = 0.01$ ($16.812$). وبناءً عليه، تُرفض الفرضية الصفرية عند مستوى دلالة $0.05$، ويُستنتج وجود ارتباط دال إحصائياً بين النمط المزاجي والأسلوب القيادي لدى القادة الإداريين.

لحساب حجم الأثر باستخدام معامل كرامر:

$$V = \sqrt{\frac{14.85}{300 \times \min(3 – 1, 4 – 1)}} = \sqrt{\frac{14.85}{300 \times 2}} = \sqrt{\frac{14.85}{600}} = \sqrt{0.02475} \approx 0.157$$

يشير هذا المعامل إلى وجود ارتباط حقيقي لكنه صغير إلى معتدل الشدة من الناحية العملية، مما يوجه المؤسسة لعدم الاعتماد الحصري على السمات المزاجية وحدها في التنبؤ بالسلوك القيادي.

12.3 جدول مرجعي مختصر للقيم الحرجة الأكثر استخداماً في البحوث النفسية

يوفر الجدول التركيبي التالي ملخصاً سريعاً للقيم الحرجة المعيارية لتوزيع كاي تربيع لدرجات الحرية من $1$ إلى $10$ عبر مستويات ألفا الأساسية لمساعدة الباحثين في الفحص الاستدلالي المباشر:

درجات الحرية ($df$)	$\alpha = 0.10$	$\alpha = 0.05$	$\alpha = 0.01$	$\alpha = 0.001$
1	2.706	3.841	6.635	10.828
2	4.605	5.991	9.210	13.816
3	6.251	7.815	11.345	16.266
4	7.779	9.488	13.277	18.467
5	9.236	11.070	15.086	20.515
6	10.645	12.592	16.812	22.458
7	12.017	14.067	18.475	24.322
8	13.362	15.507	20.090	26.124
9	14.684	16.919	21.666	27.877
10	15.987	18.307	23.209	29.588

تُعد القيمة $3.841$ (المقابلة لـ $df = 1$ عند $\alpha = 0.05$) القيمة الأكثر تكراراً في الأدبيات السلوكية والطبية؛ نظراً للاستخدام المكثف لجداول التوافق الثنائية ($2 \times 2$) في مقارنة المجموعات التجريبية والضابطة.

خاتمة

يظل جدول توزيع كاي تربيع أحد أعظم الابتكارات المنهجية التي جسرت الهوة بين النظريات الاحتمالية الرياضية والبحث العلمي الميداني في العلوم النفسية، والاجتماعية، والطبية. ومن خلال اختزال المساحات الاحتمالية المعقدة في قيم حرجة محددة، وفر الجدول للباحثين أداة معيارية دقيقة للبت في صحة الفرضيات واستكشاف العلاقات الاستدلالية بين المتغيرات التصنيفية والنوعية.

إن الاستخدام الرصين لجدول كاي تربيع يتجاوز مجرد المقارنة العددية الآلية بين القيم المحسوبة والحرجة؛ إذ يتطلب التزاماً صارماً بالشروط المنهجية المسبقة، من استقلالية الملاحظات، وكفاية التكرارات المتوقعة، والتحديد السليم لدرجات الحرية، ومراعاة التعديلات الإحصائية كمعاملات ييتس وفيشر عند الضرورة. كما يتعين تتويج هذه القرارات الإحصائية بحساب مقاييس حجم الأثر ونسب الأرجحية لضمان تحويل الدلالة الإحصائية المجردة إلى معرفة علمية وتطبيقية ذات قيمة واقعية في فهم السلوك الإنساني وتشخيص مشكلاته.

المراجع

• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/0471249688
• Cochran, W. G. (1954). Some methods for strengthening the common $\chi^2$ tests. Biometrics, 10(4), 417–451. https://doi.org/10.2307/3001616
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Fisher, R. A. (1922). On the interpretation of $\chi^2$ from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521
• McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Yates, F. (1934). Contingency tables involving small numbers and the $\chi^2$ test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235. https://doi.org/10.2307/2983604