Python - 列联表的独立性检验（卡方检验）

最新推荐文章于 2025-02-17 22:21:51 发布
最新推荐文章于 2025-02-17 22:21:51 发布
阅读量4.1w 收藏 111
点赞数 19
分类专栏： Python3 BioInfo 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/QimaoRyan/article/details/72824766
版权

scipy.stats.chi2_contingency

想对两个或两个以上因子彼此之间是否相互独立做检验时，就要用到卡方检验，原以为在Python中实现会像R的chisq.test一样简便，但scipy的stats模块功能实在分得太细，之前查到的是stats中的chisquare方法，但尝试过后发现chisquare实际上是做适合性检验的。
在Baidu上搜索，几乎没看到真正用Python做独立性检验的讲解，几经辗转，终于在Stack Overflow上找到了Python中的列联表独立性检验，即chi2_contingency

e.g. 三种农药的杀虫数据

杀虫效果 甲 乙 丙
死亡数 37 49 23
未死亡数 150 100 57

分析杀虫效果与农药类型是否有关

import numpy as np
from scipy.stats
最低0.47元/天 解锁文章
第7章-使用统计方法进行变量有效性测试-7.3-列联表分析与卡方检验
L
11-26 1142
卡方检验的思想是比较期望频数和实际频数的吻合度。实际频数指的就是交叉表中，而期望频数指的是当行变量与列变量相互独立时的频数。
python基于pingouin包进行统计分析：使用chi2_independence函数执行两分类变量之间的卡方独立性检验、以dataframe的形式输出分析结果（包含自由度、p值、卡方值等）
statistics+insight+vista+power
12-08 190
python基于pingouin包进行统计分析：使用chi2_independence函数执行两分类变量之间的卡方独立性检验、以dataframe的形式输出分析结果（包含自由度、p值、卡方值、cramer、power等）
python 卡方检验_Python-卡方检验
cunzai1985的博客
09-23 1369
python 卡方检验 Python-卡方检验 (Python - Chi-Square Test) Advertisements 广告 Previous Page 上一页 Next Page 下一页 Chi-Square test is a statistical method to determine if two categorical variables ...
概率统计Python计算：假设检验应用——联列表中相互独立性的检验
u012958850的博客
07-06 1779
On at least one occasion statistical estimation has been used for espionage purpose. During Wold War II, a very simple statiscal procedure was developed for estimating German war production. It was based on serial numbers (in our terminology, order statist
机器学习数学基础：28.卡方检验
最新发布
m0_65104419的博客
02-17 1115
卡方检验
python进行列联表卡方检验
qq_41081716的博客
05-22 2336
列联表检验常用在生物统计学上，用来检验某种外界因素对原有实验是否存在显著影响。今天看到了一组实验，描述的因素是：对网页的优化，检验其是否对转化率有显著影响。 将数据写成列联表形式： 可参考进行手算结果为4.58 https://wenku.baidu.com/view/67c044c0d0d233d4b14e6999.html 书本上的结果：检验统计量的值为4.58022，p值为0.03234，说明原版方案与测试方案有显著区别，即改进的因素起到了提升转化率的作用。 import numpy as n
用python进行列联表卡方检验
python学习者的博客
08-22 1万+
转自：https://zhuanlan.zhihu.com/p/42470566 前天在看书的时候第一次看到了列联表卡方检验，觉得这个东西不难又相对容易实现，刚好知乎上有个老哥的文章是用R来实现卡方检验，于是借用他的数据，我在spyder上面实现了。 这是一份手游数据，里面是某手游2013年8-9月的用户登录数据以及用户数据库数据。这是为了查看到底是什么因素使得8-9月的登录次数骤减。为了看到...
python 卡方检验批量筛选_用python和Excel进行列联表分析（卡方检验）
weixin_39637589的博客
11-29 405
用python和Excel进行列联表分析卡方检验回顾（独立性检验）行(\(r_i\))列(\(c_j\))\(j=1\)\(j=2\)\(\cdots\)合计\(i=1\)\(f_{11}\)\(f_{12}\)\(r_1\)\(i=2\)\(f_{21}\)\(f_{22}\)\(r_2\)\(\vdots\)\(\vdots\)\(\vdots\)\(\vdots\)合计\(c_1\)\(c_...
pythonexcel表格分析_用python和Excel进行列联表分析（卡方检验）
weixin_39929918的博客
12-06 859
用python和Excel进行列联表分析卡方检验回顾(独立性检验)行(\(r_i\))列(\(c_j\))\(j=1\)\(j=2\)\(\cdots\)合计\(i=1\)\(f_{11}\)\(f_{12}\)\(r_1\)\(i=2\)\(f_{21}\)\(f_{22}\)\(r_2\)\(\vdots\)\(\vdots\)\(\vdots\)\(\vdots\)合计\(c_1\)\(c_...
2×3卡方检验prism_用Python统计推断——交叉表（下：独立性检验）
weixin_39778003的博客
11-21 1087
本文需要用到的Python库：PandasScipy.statsStatsmodels在《用Python统计推断——交叉表篇（上：crosstab与热图)》中，我们介绍了如何构建交叉表并对其可视化。本文，我们将介绍如何检验交叉表的两个分类变量，是独立还是相关。如果观测值在两个样本之间是一一配对的，我们需要使用相关性检验，请参考《用Python统计推断——相关性篇》。本文纲要：一、什么是卡方独立性检...
卡方分布、卡方独立性检验和拟合性检验理论及其python实现
平平淡淡，戒急用忍，一生学闭嘴。
12-28 3638
1.1 简介  抽样分布有三大应用：T分布、卡方分布和$\Gamma$分布。可以简单用四个字概括它们的作用：“以小博大”，即通过小数量的样本容量去预估总体容量的分布情况。这里开始介绍卡方分布。${\chi ^{\text{2}}}$分布在数理统计中具有重要意义。  ${\chi ^{\text{2}}}$分布是由阿贝(Abbe)于1863年首先提出的，后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K．Pearson)分别于1875年和1900年推导出
python 卡方检验批量筛选_用python进行列联表卡方检验
weixin_39671467的博客
11-29 441
前天在看书的时候第一次看到了列联表卡方检验，觉得这个东西不难又相对容易实现，刚好知乎 @算命师 的文章是用R来实现卡方检验，于是借用他的数据，我在spyder上面实现了。（感谢 @算命师 的数据）这是一份手游数据，里面是某手游2013年8-9月的用户登录数据以及用户数据库数据。这是为了查看到底是什么因素使得8-9月的登录次数骤减。为了看到底是什么因素会影响，首先会想到方差分析、相关性矩阵，还有卡方...
数理统计复习笔记七——列联表的独立性检验
TSzero的博客
07-29 3734
1. 一般的二维列联表 B1B_1B1​ B2B_2B2​ ⋯\cdots⋯ BsB_sBs​ 合计 A1A_1A1​ n11n_{11}n11​ n12n_{12}n12​ ⋯\cdots⋯ n1sn_{1s}n1s​ n1⋅n_{1\cdot}n1⋅​ A2A_2A2​ n21n_{21}n21​ n22n_{22}n22​ ⋯\cdots⋯ n2sn_{2s}n2s​ n2⋅n_{2\cdot}n2⋅​ ⋮\vdots⋮ ⋮\vdots⋮ ⋮\vdots⋮ ⋯\cdots⋯
数学基础之列联表分析2——独立性检验（卡方检验）
热门推荐
u013164612的专栏
06-16 3万+
1.       独立性检验步骤     Step1：建立原假设     H0：两变量相互不独立；H1：两变量相互独立     Step2：计算自由度与理论频数    Step3：计算统计量     Step4：查χ2方分布临界值表，确定接受域例：对表1所示频数分布表，以95%显著水平，检验色觉与性别是否有关。解：    Step1：H0：色觉与性别相互不独立；H1：色觉与性别相互独立    St...
卡方检验python程序_Python卡方检验
weixin_39732640的博客
11-27 416
卡方检验是确定两个分类变量是否具有显着相关性的统计方法。 这两个变量应该来自相同的人口，他们应该是类似的 - 是/否，男/女，红/绿等。例如，我们可以建立一个数据集，观察人们的冰淇淋购买模式并尝试关联 - 他们喜欢的冰淇淋味道的人的性别。 如果发现相关性，我们可以通过了解访问人群的性别数量来计划适当的口味。在numpy库中使用各种功能来执行卡方检验。from scipy import statsi...
python用chi2_contingency做卡方检验结果和手算以及spss不同的问题
import_torch_as_tf
02-24 8334
python在使用chi2_contingency做卡方检验时，如果自由度=1，代码底层存在Yate校正，从函数的帮助文档中也可以看出，correction参数默认为TRUE，此时的程序计算结果会和手算以及spss的结果不同，需要改成False才会和其他的结果相同。 ...
【Python床头书】python chi2_contingency简介用法示例详解
wang2leee的博客
10-25 1940
scipy.stats.chi2_contingency`是一个计算列联表中变量相互独立的卡方检验的函数。它根据列联表中的观察频率计算卡方统计量和p值。期望频率是根据假设独立性的条件下的边际和来计算的；
卡方检验contingency(列联表)python计算与实验结果分析
微电子学与固体电子学-俞驰
11-29 5964
代码如下 import numpy as np from scipy.stats import chi2_contingency d = np.array([[37, 49, 23], [150, 100, 57]]) print chi2_contingency(d) 运行结果如下： (7.6919413561281065, 0.021365652322337315, 1.2, array(...
假设检验_python 重点
kyle1314608的博客
01-22 1634
在统计学中，存在着数百种假设检验。而在数据分析、机器学习项目中，只有一小部分较常使用。本文介绍了17种常用的假设检验，包括适用场景及使用Python API的例子。让我们一起来学习吧！ 正态分布检验 1.1 Shapiro-Wilk Test(W 检验) 用于检验样本数据是否来自服从正态分布的总体。 在实际应用中，W 检验被认为是一个可靠的正态性检验，但是也有人认为该检验更适用于较小的数据样本（数千个观测值以内）。 使用前提： 各样本观察值为独立同分布的 原假设：样本数据服从正态分布 Python实现
计算并输出列联表独立性检验所得的结果。
11-14
在数据分析中，列联表（也称为交叉表或卡方检验）用于评估两个分类变量之间的关系强度和显著性。它通常用于进行卡方检验（Chi-squared test），这是一种统计假设检验，用来判断两个类别变量是否相互独立。 当你有两组数据，一组是独立变量（通常是分组因素），另一组是因变量（计数变量），你可以构建一个列联表，其中每一行代表一个独立变量的水平，每一列表示一个因变量的水平，然后计算每个单元格的期望频率（基于总体比例）和实际观察到的频数。如果这两个值差异很大，那么可能存在关联；反之，如果接近，则表示变量之间可能独立。 Python中使用`scipy.stats`库中的`chi2_contingency`函数来进行卡方检验。以下是一个简单的例子： ```python from scipy.stats import chi2_contingency # 假设我们有两个分类变量的观测数据 observed_data = [ [20, 30], # 第一类因变量的频数 [50, 70] # 第二类因变量的频数 ] # 计算列联表的预期频率 expected_data = [sum(observed_data[i]) * sum(observed_data[0])/len(observed_data) for i in range(len(observed_data))] # 使用chi2_contingency计算卡方值、p值、df和概率 chi2_stat, p_value, dof, expected_values = chi2_contingency(observed_data) # 输出结果 print("卡方统计量 (&chi;&sup2;):", chi2_stat) print("p值:", p_value) print("自由度 (df):", dof) # 如果p值小于某个阈值（比如0.05），我们可以拒绝原假设，认为两个变量间存在显著关联 if p_value < 0.05: print("我们拒绝了零假设，认为两个变量间存在显著关联。") else: print("没有足够的证据表明两个变量间存在显著关联。")
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值