gpt4 book ai didi

python - Python 中的卡方检验

转载 作者:太空狗 更新时间:2023-10-29 17:49:22 27 4
gpt4 key购买 nike

我想在 Python 中运行卡方检验。我已经创建了代码来执行此操作,但我不知道我所做的是否正确,因为 scipy 文档非常稀疏。

先说背景:我有两组用户。我的零假设是两组中的人更可能使用台式机、移动设备还是平板电脑没有显着差异。

这些是两组中观察到的频率:

[[u'desktop', 14452], [u'mobile', 4073], [u'tablet', 4287]]
[[u'desktop', 30864], [u'mobile', 11439], [u'tablet', 9887]]

这是我使用 scipy.stats.chi2_contingency 的代码:

obs = np.array([[14452, 4073, 4287], [30864, 11439, 9887]])
chi2, p, dof, expected = stats.chi2_contingency(obs)
print p

这给了我 2.02258737401e-38 的 p 值,这显然很重要。

我的问题是:这段代码看起来有效吗?特别是,我不确定我是否应该使用 scipy.stats.chi2_contingencyscipy.stats.chisquare ,鉴于我的数据。

最佳答案

对于函数的使用我不能过多评论。然而,手头的问题可能是统计性质的。您看到的非常小的 p 值很可能是您的数据包含大量频率(大约一万)的结果。当样本量太大时,任何差异都会变得显着 - 因此 p 值较小。您使用的测试对样本量非常敏感。参见 here了解更多详情。

关于python - Python 中的卡方检验,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25139326/

27 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com