Python全系列 教程
3567个小节阅读:5931k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
χ2(发音为“卡方”)检验是以χ2分布为基础的一种假设检验方法,它通过比较实际观测结果与理论结果的偏离程度,来判断两变量之间是否独立,或者一个总体是否符合某一特定分布。
χ2检验根据不同的应用场景,又可以细分为如下几种:
独立性χ2检验
一般可以设原假设为 :观察频数与期望频数没有差异,或者两个变量不相关(相互独立)。
实际应用中,我们先假设原假设成立,计算出卡方的值,卡方表示观察值与理论值间的偏离程度。
卡方值的计算公式:
其中A为实际频数,E为期望频数。卡方值用于衡量实际值与理论值的差异程度,这也是卡方检验的核心思想。
卡方检验实例
两种疗法的差别可能是抽样误差所致,也可能是两组的有效率确有不同
先计算出各格内的期望频数:
第1行1列: 43×53/87=26.2
第1行2列: 43×34/87=16.8
第2行1列: 44×53/87=26.8
第2行2列: 44×34/87=17.2
建立原假设:A、B两种疗法没有差异(两组有效率相同)。根据卡方值的计算公式,计算:
自由度k=(行数-1)*(列数-1),这里k=1。然后查询卡方分布的临界概率表
查表自由度为1,p=0.05的卡方值为3.841,而此例卡方值10.01>3.841,拒绝原假设,说明A、B两种疗法是有差异的(两组有效率有差别)。
卡方分布临界值表:https://www.medcalc.org/manual/chi-square-table.php