卡方检验讲解

卡方检验

下面是生成两个变量rvs1，rvs2并且服从标准正太分布，再求出平方和x2，通过直方图显示x2，可以看到整体分布服从卡方分布。

from scipy import stats

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sbn

np.random.seed(123)

rvs1 = stats.norm.rvs(loc=0,scale=1,size=100)

rvs2 = stats.norm.rvs(loc=0,scale=1,size=100)

x2 = rvs1*rvs1+rvs2*rvs2

fig = plt.figure(1)

plt.clf()

sbn.histplot(x2 ,color='r',bins=10,kde=True)

fig.savefig('mlp_pictures/fig.png')

总体方差检验：

上个章节我们讲了t检验，t检验主要是检验总体的均值，这节主要讲卡方检验，卡方检验主要检验总体方差。例如，在质量检验中，质量标准可以通过不同的标准来衡量，有些属于均值标准，如质量、尺寸、强度等。有些属于方差标准，如尺寸的方差、质量的方差、强度的方差，方差可以反应质量的稳定性，方差越大说明质量波动越大，方差越小说明质量比较稳定。

测试代码：

import pandas as pd

import numpy as np

from scipy import stats

observe=np.array([18,20,42,10])

expect=np.array([25.33,12.66,34.66,17.33])

chi_squared_stat = ((observe-expect)**2/expect).sum()

print(chi_squared_stat)

crit = stats.chi2.ppf(q=0.95,df=1)

print(crit)

P_value = 1-stats.chi2.cdf(x=chi_squared_stat,df=1)

print(P_value)