卡方检验思想

**

卡方检验思想总结

卡方检验
思想：
1.假设数据服从某种分布，或某种模型；
2.计算出符合此模型的数据，即为期望数据；
3.实际观测到的数据和2中计算得到的期望数据相比较（卡方检验的公式）；
4.得到的卡方值过大，说明偏差过大，则拒绝假设模型。
卡方检验适用于类别变量 ，如好、坏等分类。
卡方检验公式：χ²=∑(Oi-Ei)²\Ei
自由度：df=(row-1)(column-1)
什么是自由度：
自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数。
卡方表：row-df：degreefreedom
column-P.value:概率
P<0.05(显著水平），模型数据和实际数据符合的概率过小，拒绝模型。
卡方检验只能检验模型是否适合，不能找出合适的模型。

什么是卡方分布
定义：若n个相互独立的随机变量z1，z2，…,zn ，均服从标准正态分布N（0,1），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布.
S²：样本方差 S²=∑(X-X的均值)²(n-1) n:样本总数
б²：总体方差 б²=∑(X-μ)²\N μ：总体均值 N：总体个数
（n-1）s²\б²~χ²（n-1）

卡方分布和卡方检验有亲戚关系么？
或许因为都有卡方值么？
这个问题有清楚的小伙伴请给我留言

发现此文讲解更清楚