python中卡方检验_python 使用卡方检验

什么是卡方分析web

卡方分析有两个常见的应用——适合度分析和独立性分析。这个笔记着重于适合度分析。从我目前的经验来看，这也是应用十分普遍的一种统计分析方式。那么什么是卡方适合度分析呢？且听我慢慢道来。svg

现象1 现象2 现象3

观测值 a b c

预期值 A B C

常见的适合度分析的结构以下，通常有两组数据，一组是你统计或者观察到的值，另外一组是理论上的预期值。若是这两组值十分接近，证实观测到的结果很“合适”，若是差距较大，则证实观测到的数据不够“合适”，这就是“适合度分析”名字的含义。函数

这种统计分析在科学研究中是十分经常使用的，由于科学家常常按照理论预期来推测试验结果，而实际上因为各类偏差的存在，实验数据不可能和理论预期彻底一致，这时卡方检验就能很好地检验理论的正确性。测试

举个栗子ui

某科学家预言抛一个色子，各面向上的概率都相同。为了验证本身理论的正确性，该科学家抛了600次硬币，结果为一点102次，二点102次，三点96次，四点105次，五点95次，六点100次。显然这个结果和理论预期并不彻底同样，那么，科学家的理论有错吗？咱们就用Python来验证一下。spa

from scipy import stats

obs = [102, 102, 96, 105, 95, 100]

exp = [100, 100, 100, 100, 100, 100]

stats.chisquare(obs, f_exp = exp)

输出

(0.73999999999999999, 0.980