卡方检验是用途非常广的一种假设检验方法,它在分类资料统计推断中的应用,包括:两个率或两个构成比比较的卡方检验;多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度,实际观测值与理论推断值之间的偏离程度就决定卡方值的大小,如果卡方值越大,二者偏差程度越大;反之,二者偏差越小;若两个值完全相等时,卡方值就为0,表明理论值完全符合。
注意:卡方检验针对分类变量。
卡方检验
其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题
总体均值未知,关于方差的检验
设样本
x
1
,
x
2
,
⋯
,
x
n
1
x_1,x_2,\cdots,x_{n_1}
x1,x2,⋯,xn1来自正态总体
N
(
μ
,
σ
2
)
N(\mu,\sigma^2)
N(μ,σ2),且总体均值
μ
\mu
μ未知,用样本均值代替总体均值,则此时关于总体方差的检验为:
χ
2
=
∑
(
x
i
−
x
‾
)
2
σ
0
2
=
(
n
−
1
)
s
2
σ
0
2
\chi^2=\frac{\sum(x_i- \overline x)^2}{\sigma_0^2}=\frac{(n-1)s^2}{\sigma_0^2}
χ2=σ02∑(xi−x)2=σ02(n−1)s2
当
σ
2
=
σ
0
2
\sigma^2=\sigma_0^2
σ2=σ02时,
χ
2
\chi^2
χ2服从
χ
2
(
n
−
1
)
\chi^2(n-1)
χ2(n−1)
根据样本方差的抽样分布可知,样本方差服从自由度为
n
−
1
n-1
n−1的
χ
2
\chi^2
χ2分布
(
n
−
1
)
s
2
σ
2
~
χ
2
(
n
−
1
)
\frac{(n-1)s^2}{\sigma^2} \text{\textasciitilde} \chi^2(n-1)
σ2(n−1)s2~χ2(n−1)