卡方检验主要用于检验塥骈橄摆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](https://exp-picture.cdn.bcebos.com/d2987775f2c4ec99472b75b5c3fe1e425c6b07fc.jpg)
实例化ChiSqure1way对象![Python统计分析:[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/1f03436b04d14929bfe048a763e5eceeacbc7efc.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](https://exp-picture.cdn.bcebos.com/edafb3bcbe2f47706a70ae6e6f3b3b86032179fc.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](https://exp-picture.cdn.bcebos.com/03605157935653bbcc48154f1d0b3121046171fc.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](https://exp-picture.cdn.bcebos.com/05e24be983aee8d76442925b6b781431deb666fc.jpg)
统计量检验![Python统计分析:[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/332d496699cf0253690b52316b36e29146e85ffc.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](https://exp-picture.cdn.bcebos.com/38332303bbea3e86602010f75cd4483105eb55fc.jpg)
结果是这样的:![Python统计分析:[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/49701aebf6a75f0fd543055a97324b18502c4cfc.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](https://exp-picture.cdn.bcebos.com/8db0c6a726334884ad8b3a98ddee7b7f870e45fc.jpg)
![Python统计分析:[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/fdb4f00d3aceaad719037d56eee7340f6578b8fc.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](https://exp-picture.cdn.bcebos.com/bff8683e21c2bbd694b81c5c116186254093aefc.jpg)