我有两个阵列，我想做一个Pearson的Chi Square测试（合身度）。我想测试预期和观察结果之间是否存在显着差异。
observed = [11294, 11830, 10820, 12875]
expected = [10749, 10940, 10271, 11937]
我想比较11294与10749,11830与10940,10820与10271等。
这是我拥有的
>>> from scipy.stats import chisquare
>>> chisquare(f_obs=[11294, 11830, 10820, 12875],f_exp=[10749, 10940, 10271, 11937])
(203.08897607453906, 9.0718379533890424e-44)
其中203是卡方检验统计量，9.07e-44是p值。我对结果感到困惑。 p值= 9.07e-44＆lt;因此，我们拒绝零假设，并得出结论，观察结果和预期结果之间存在显着差异。这是不正确的，因为数字非常接近。我该如何解决这个问题？
答案 0 :(得分：2)
通常，零假设（H0）表示两个变量（X和Y）是独立的，即X中的变化值不会影响Y中的值。
例如，X = [1,2,3,4]和Y = [2,4,6,8]
如果你在这种情况下使用任何方法计算“p值”，它应该是一个非常小的值，这意味着在零假设之后这种情况的可能性很小，即a X和Y相互独立的可能性很小。
这意味着它永远不会遵循Null假设，这两个变量相互依赖，形式为Y = 2X。
在你的情况下，p值得分 9.0718379533890424e-44 意味着相同的事情，即小值表示它足以满足零假设，这意味着观察和预期彼此相关，并且它们之间没有独立。
聚苯乙烯。你是对的。