卡方检验python程序_卡方检验(Chi_square_test)： 原理及python实现

概述

What for？主要用在某个变量(或特征)值是不是和应变量有显著关系，换种说法就是看某个变量是否独立

\(X^2=\sum{\frac{(observed-expected)^2}{expected}}\)

observed表示观测值,expected为理论值，可以看出,理论值与观测值差别越大,\(X^2\)越大

Contingency table(联连表)

介绍卡方检验之前，需要先介绍下联连表,因为这个是所有假设检验的基础,这个直接看中文翻译容易不知所以，个人认为维基百科上解释的比较到位：是一种矩阵形式的表格,用来表示变量或者多变量的频率分布。

似乎意思知道了一点，我们现在举个例子：

一目了然。

实现过程

然后我们看下实现过程：

1 按照假设检验的步骤，首先我们需要确定原假设\(H_0\)(null hypothesis):原假设是变量独立的，实际观测频率和理论频率一致。

2 其次我们根据实际观测的联连表，去求理论的联连表；\(卡方统计值：X^2\)，记为Statistic；自由度，

3 然后选取适合的置信度(一般为95%)同自由度一起确定临界值Critical Value，比较卡方统计值和临界值大小：

If Statistic >= Critical Value: 认为变量对结果有影响，则拒绝原假设，变量不独立