Apa itu distribusi chi-square
Distribusi chi-square adalah distribusi probabilitas yang diikuti oleh variabel acak 
Fungsi densitas probabilitas dari distribusi chi-square dinyatakan dengan persamaan berikut:
Fungsi densitas probabilitas dari distribusi chi-square, seperti fungsi densitas probabilitas dari t-distribution, hanya memiliki parameter 
Grafik dari distribusi chi-square tergantung pada derajat kebebasan 

Hubungan dengan distribusi normal standar
Distribusi chi-square dengan 1 derajat kebebasan sama dengan variabel acak kuadrat 
Nilai yang diharapkan dan varians dari distribusi chi-square
Nilai yang diharapkan dan varians dari variabel acak 
Tabel distribusi chi-square (sisi atas)
Karena distribusi chi-square hanya memiliki parameter 
| Kebebasan derajat | ||||
|---|---|---|---|---|
| 1 | 2.71 | 3.84 | 5.02 | 6.64 | 
| 2 | 4.61 | 5.99 | 7.38 | 9.21 | 
| 3 | 6.25 | 7.82 | 9.35 | 11.35 | 
| 4 | 7.78 | 9.49 | 11.14 | 13.28 | 
| 5 | 9.24 | 11.07 | 12.83 | 15.09 | 
| 6 | 10.65 | 12.59 | 14.45 | 16.81 | 
| 7 | 12.02 | 14.07 | 16.01 | 18.48 | 
| 8 | 13.36 | 15.51 | 17.54 | 20.09 | 
| 9 | 14.68 | 16.92 | 19.02 | 21.67 | 
| 10 | 15.99 | 18.31 | 20.48 | 23.21 | 
Sebagai contoh, jika Anda ingin mencari titik 5% atas dari distribusi chi-square dengan 5 derajat kebebasan, carilah nilai di persimpangan 
Sifat reproduksi dari distribusi chi-Square
Misalkan variabel acak 
Dalam kasus ini, 
Sifat ini disebut sifat reproduktif.
Sampel acak dari populasi yang mengikuti distribusi normal dan distribusi chi-square
Dalam sampel yang dipilih secara acak 
Juga, karena varians tak bias adalah 
Kode Python
Berikut ini adalah kode Python yang digunakan untuk menggambar distribusi chi-square.
from scipy.stats import chi2
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('ggplot')
fig, ax = plt.subplots(facecolor="w", figsize=(10, 5))
x = np.linspace(0, 8, 10000)
k_deg = [1, 2, 3, 4, 5] # degree of freedom
for i in k_deg:
    plt.plot(x, chi2.pdf(x, i), linestyle='-', label='n={}'.format(i), lw=5, alpha=0.5)
plt.xlim(0, 8)
plt.ylim(0, 1)
plt.legend()
plt.show()
