视频讲解
何为卡方检验？
Python中使用卡方检测函数的返回值介绍
- n：自由度 n = (行数 - 1)*(列数 - 1)
- p：p值（取0.05），这个p代表原假设成立的概率p越大,成立概率越大
- 临界值：如果算出来的卡方值大于临界值，拒绝原假设；如果小于临界值，则接受原假设。
示例1 2x3列联表
零假设H0: 性别与手机品牌的选择无关
from scipy import statsdata = [[50,50,50], [50,50,50]]chi2, pval, dof, expctd = stats.chi2_contingency(data)# print(sum(data[0]),sum(data[1]))print('卡方统计量：', chi2)print('p值：', pval)print('自由度：', dof)print('期望值：', expctd)# 与显著性水平比较（α = 0.05）if pval < 0.05: print(f"P < 0.05，结果显著，拒绝 H0，两个因素不独立（存在关联），犯错误的概率为{pval:.3e}")else: print(f"P = {pval:.3e} >= 0.05，结果不显著，不拒绝 H0") print("即：没有足够证据表明两个因素相关，可认为相互独立")
结果：
示例2 2x2列联表
from scipy import statsdata = [[62,40], [38,60]]chi2, pval, dof, expctd = stats.chi2_contingency(data)# print(sum(data[0]),sum(data[1]))print('卡方统计量：', chi2)print('p值：', pval)print('自由度：', dof)print('期望值：', expctd)# 与显著性水平比较（α = 0.05）if pval < 0.05: print(f"P < 0.05，结果显著，拒绝 H0，两个因素不独立（存在关联），犯错误的概率为{pval:.3e}")else: print(f"P = {pval:.3e} >= 0.05，结果不显著，不拒绝 H0") print("即：没有足够证据表明两个因素相关，可认为相互独立")
结果：
意义
使用Python代码进行卡方检测独立性检验具有高效便捷的特点，配合判断能够即时了解两个分类变量间的独立性，免去了繁琐的计算步骤。
感谢观看
10个月宝宝每天需要喝多少奶粉？
