文章目录
卡方检验主要用于检验计数数据是否符合某种分布,比如男女比率本应该是1:1,但实际采集的样本可能是1:2,那么1:1和1:2之间有没有差异,我们需要用卡方检验来比较。
- 先引入相关模块
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/3c2c4bfbb2fb43164eaebc1823a4462308f7d3e4.jpg)
- 实例化ChiSqure1way对象
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/4e0b3ea4462309f7b8de6b70710e0cf3d6cad6e4.jpg)
- 运行卡方检验,如果我们只输入一个参数,表示我们要检验这一列数据分布是否均匀,也就是各组频数是否相等
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/834344afa40f4bfb253a5836004f78f0f63618af.jpg)
- 基本检验结果首先是数据的描述
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/bf487563f6246b6038bf7416e8f81a4c500fa2e4.jpg)
- 接着是卡方检验结果,根据p值可知两组差异不显著
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/ae8267310a55b3190c13441740a98226cefc17af.jpg)
- 统计量检验
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/504ec7f9d72a605919a127782b34349b023bbae4.jpg)
- 假如我们输入两个参数,可以指定各组频数的期望值
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/aa251d4f78f0f7364c148a630955b319eac413af.jpg)
- 结果是这样的:
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/61183b2dd42a28340b17f06958b5c9ea14cebfe4.jpg)
- 对于结果,我们可以使用字典的方式读取个别值,比如卡方:
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/020e66f0f736afc39de6f907b019ebc4b64512af.jpg)
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/35da1d3b5bb5c9ea5642c581d639b6003bf3b3e4.jpg)
- 对于其他值,我们可以参考下面的列表:
![Python统计分析:[8]单因素卡方检验](/2015/04/15/Python%E7%BB%9F%E8%AE%A1%E5%88%86%E6%9E%90%EF%BC%9A%5B8%5D%E5%8D%95%E5%9B%A0%E7%B4%A0%E5%8D%A1%E6%96%B9%E6%A3%80%E9%AA%8C/d0526df082025aaf7febbfa9f8edab64024f1abc.jpg)
转载请注明来自DataScience.
邮箱: 675495787@qq.com