DeepSort知识整理：卡方检验和马氏距离 (二)

qc1752

已于 2023-12-08 18:14:25 修改

阅读量589

点赞数 2

分类专栏： DeepSort 文章标签：人工智能目标跟踪深度学习

于 2023-12-08 15:39:03 首次发布

本文链接：https://blog.csdn.net/qq_45266796/article/details/134879889

版权

DeepSort 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一、卡方拟合优度检验（Chi Square Test for Goodness of Fit）

例1：什锦糖，把各种糖掺和在一起买，如：以如下比例勾兑了一种什锦糖：

类别	高粱饴	大白兔	大虾酥	酒心糖	巧克力
总体比例 H₀	40 %	20 %	20 %	15 %	5 %

从 H₀ 为真的1000块糖的总体中，抽样100块糖

类别	高粱饴	大白兔	大虾酥	酒心糖	巧克力
期望频次 Expectation	40	20	20	15	5
观测频次 Observation	38	24	18	18	2

卡方值：把一次抽样中的观测频次和期望频次之间的差异算成一个数值。公式如下：

$\chi^2 = \sum_{i}^{n} \frac{(O_i - E_{i})^2}{E_i}$

其中 E 为期望频次 Expectation， O 为观测频次 Observation， n 为类别变量的种类，在本例中n为5
$\begin{array}{l} {\chi ^2} = \frac{{{{(38 - 40)}^2}}}{{40}} + \frac{{{{(24 - 20)}^2}}}{{20}} + \frac{{{{(18 - 20)}^2}}}{{20}} + \frac{{{{(18 - 15)}^2}}}{{15}} + \frac{{{{(2 - 5)}^2}}}{5}\\ = 0.1 + 0.8 + 0.2 + 0.6 + 1.8\\ = 3.5 \end{array}$
加入进行10k次重复抽象，可以得到10k个卡方值，做成直方图，即可得到卡方分布，在图中，横轴代表卡方值，纵轴代表次数。

在这里插入图片描述

在卡方等于3.5处画直线，比3.5（含）还极端的样本数量占总共10000次抽样的比，就是p值，本例中的p为0.4213。假设 $\alpha$ 为0.05，即 ${\rm{p}} > \alpha$ ，表示这个样本不极端，不显著，符合H₀

在这里插入图片描述

可通过根据卡方值查表计算p值：

Chi-square-table.pdf (scribbr.com)

在这里插入图片描述

表中第一行表示显著性水平。第一列表示自由度。什锦糖例子中自由度为4,
3.5在1.064到7.779之间，则p值可推测在0.9到0.1之间

例2：共有四款游戏，人们是否同等喜欢4款游戏。

H₀：同等喜欢4款游戏。

	DNF	LOL	CF	PUBG
总体分布 H₀	0.25	0.25	0.25	0.25

调查问卷：你最喜欢的游戏是哪一个

	DNF	LOL	CF	PUBG
期望频次 Expectation	35	35	35	35
观测频次 Observation	31	37	30	42

$\begin{array}{l} {\chi ^2} = \frac{{{{(31 - 35)}^2}}}{{35}} + \frac{{{{(37 - 35)}^2}}}{{35}} + \frac{{{{(30 - 35)}^2}}}{{35}} + \frac{{{{(42 - 35)}^2}}}{35}\\ = 2.6857 \end{array}$