Question

我想应用卡方检验scipy.stats.chisquare。在我的小组中，观察总数有所不同。

import pandas as pd

data={'expected':[20,13,18,21,21,29,45,37,35,32,53,38,25,21,50,62],
      'observed':[19,10,15,14,15,25,25,20,26,38,50,36,30,28,59,49]}

data=pd.DataFrame(data)
print(data.expected.sum())
print(data.observed.sum())

要忽略这是不正确的-对吗？

scipy.stats.chisquare的默认行为是否考虑到了这一点？我用笔和纸检查，看起来好像没有。有参数吗？

from scipy.stats import chisquare
# incorrect since the number of observations is unequal 
chisquare(f_obs=data.observed, f_exp=data.expected)

当我进行手动调整时，我得到的结果会略有不同。

# adjust actual number of observations
data['obs_prop']=data['observed'].apply(lambda x: x/data['observed'].sum())
data['observed_new']=data['obs_prop']*data['expected'].sum()

# proper way
chisquare(f_obs=data.observed_new, f_exp=data.expected)

如果我在某些时候错了，请纠正我。谢谢。

ps：我标记了R为其他统计专业知识

Answer 1

基本上，这是一个不同的统计问题-列联表中变量独立性的卡方检验。

from scipy.stats import contingency as cont
chi2, p, dof, exp=cont.chi2_contingency(data)
p

Answer 2

我的问题不太清楚。但是，我的看法是，如果要计算两个类别变量之间的独立性测试，则可以使用 scipy.stats.chi2_contingency 。 scipy.stats.chi2_sqaure 还可用于比较观察到的和预期的。这里的类别数应该相同。从逻辑上讲，如果存在观察到的频率，则类别的频率为0，但是不存在所接收的频率，反之亦然。

希望这会有所帮助

卡方检验用于大小不等的组

2 个答案: