python - Python中的卡方检验

Question

我在 R 中使用了以下代码来确定观察值(例如 20、20、0 和 0)与预期值/比率的拟合程度(四种情况中的每一种均为 25% ，例如):

> chisq.test(c(20,20,0,0), p=c(0.25, 0.25, 0.25, 0.25))

    Chi-squared test for given probabilities

data:  c(20, 20, 0, 0)

X-squared = 40, df = 3, p-value = 1.066e-08

如何在 Python 中复制它？我尝试使用 scipy 中的 chisquare 函数，但得到的结果却大不相同；我不确定这是否是正确使用的功能。我已经搜索了 scipy 文档，但是因为它运行到 1000 多页，所以相当令人生畏； numpy 文档几乎比这多 50%。

Answer 1

scipy.stats.chisquare期望观察到的和预期的绝对频率，而不是比率。你可以得到你想要的

>>> observed = np.array([20., 20., 0., 0.])
>>> expected = np.array([.25, .25, .25, .25]) * np.sum(observed)
>>> chisquare(observed, expected)
(40.0, 1.065509033425585e-08)

尽管在期望值均匀分布在类中的情况下，您可以省略期望值的计算:

>>> chisquare(observed)
(40.0, 1.065509033425585e-08)

第一个返回值是 χ² 统计量，第二个是检验的 p 值。