Python全系列 教程
3567个小节阅读:5930.1k
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
卡方检验,也称为卡方拟合优度检验,主要用来检验观察频数与期望频数是否吻合,是K.person给出的一种最常用的非参数检验方法。
它的原理是:统计样本的实际观测值与理论推断值之间的偏离程度,实际观测值与理论推断值之间的偏离程度就决定卡方值的大小,如果卡方值越大,二者偏差程度越大;反之,二者偏差越小;若两个值完全相等时,卡方值就为0,表明理论值完全符合。
示例:使用卡方检验检验骰子是否是均匀分布。
加载数据
将骰子点数选择到检验变量列表中,期望范围默认是从数据中获取,还可以指定范围。
期望值,默认选择所有类别相等,现在本例检验的是骰子点数是否均匀分布,因此选择默认值就可以。
精确检验方法:仅渐进法适用于样本数据服从渐近分布,或者样本数据比较大
蒙特卡洛法:主要适用于数据不满足渐近分布,或者样本数据也不大
精确法:适用于小样本,在计算样本允许时,将使用精确方法代替蒙特卡洛法。
本例选择默认的“仅渐近法”
在选项按钮中,勾选要统计的信息及缺失值处理方式。
点击“确定”,查看输出结果
从描述统计可以看到骰子子总共个案数42,平均值,标准偏差,最大值,最小值,四分位数的值。
从骰子点数可以看到,骰子点数为1的实测个案数7,也就是骰子点为1出现了7次。因为假设是均匀分布,所以期望个案数都是7次。残差是实测个案数与期望个案数的差。
从检验统计中可以看到,卡方值0.571,自由度是5。显著性0.989大于0.05,说明不能拒绝零假设,假设成立。骰子点数服从均匀分布。