Hướng dẫn chi square critical value python - giá trị quan trọng chi vuông python

Tính toán một bài kiểm tra chi bình phương một chiều.

Các thử nghiệm chi bình phương kiểm tra giả thuyết null rằng dữ liệu phân loại có tần số đã cho.

Tần số quan sát trong mỗi loại.

Tần số dự kiến ​​trong mỗi loại. Theo mặc định, các danh mục được cho là có khả năng như nhau.

Độ tự do của Delta Delta: Điều chỉnh mức độ tự do cho giá trị p. Giá trị p được tính toán bằng cách sử dụng phân phối chi bình phương với

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

Trục của kết quả phát sóng của f_obs và f_exp cùng với việc áp dụng bài kiểm tra. Nếu trục không có, tất cả các giá trị trong f_obs được coi là một tập dữ liệu duy nhất. Mặc định là 0.

Thống kê kiểm tra chi bình phương. Giá trị là một chiếc phao nếu trục không có hoặc f_obs và f_exp là 1-D.

Giá trị p của bài kiểm tra. Giá trị là một chiếc phao nếu DDOF và giá trị trả về Chisq là vô hướng.

Ghi chú

Thử nghiệm này không hợp lệ khi tần số quan sát hoặc dự kiến ​​trong mỗi loại quá nhỏ. Một quy tắc điển hình là tất cả các tần số được quan sát và dự kiến ​​sẽ ít nhất là 5. Theo [3], tổng số mẫu được khuyến nghị lớn hơn 13, nếu không thì các thử nghiệm chính xác [như thử nghiệm chính xác của Barnard] nên được sử dụng Bởi vì họ không quá nhiều.

Ngoài ra, tổng của các tần số quan sát và dự kiến ​​phải giống nhau để thử nghiệm có hiệu lực;

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

Mức độ tự do mặc định, K-1, dành cho trường hợp khi không có tham số nào của phân phối được ước tính. Nếu các tham số P được ước tính bởi khả năng tối đa hiệu quả thì mức độ tự do chính xác là K-1-P. Nếu các tham số được ước tính theo một cách khác, thì DOF có thể nằm giữa K-1-P và K-1. Tuy nhiên, cũng có thể phân phối tiệm cận không phải là chi bình phương, trong trường hợp đó, thử nghiệm này không phù hợp.

Người giới thiệu

Lowry, Richard. Các khái niệm và ứng dụng của thống kê suy luận. Chương 8. //web.archive.org/web/20171022032306///vassarstats.net:80/textbook/ch8pt1.html

Test Chi-Squared Test, //en.wikipedia.org/wiki/chi-squared_test

Pearson, Karl. Về tiêu chí mà một hệ thống sai lệch nhất định so với có thể xảy ra trong trường hợp của một hệ thống các biến tương quan là nó có thể được cho là hợp lý phát sinh từ việc lấy mẫu ngẫu nhiên, tạp chí triết học. Sê-ri 5. 50 [1900], trang 157-175.

Ví dụ

Khi chỉ f_obs được đưa ra, người ta cho rằng các tần số dự kiến ​​là đồng đều và được đưa ra bởi giá trị trung bình của các tần số quan sát được.

>>> from scipy.stats import chisquare
>>> chisquare[[16, 18, 16, 14, 12, 12]]
[2.0, 0.84914503608460956]

Với f_exp, các tần số dự kiến ​​có thể được đưa ra.

>>> chisquare[[16, 18, 16, 14, 12, 12], f_exp=[16, 16, 16, 16, 16, 8]]
[3.5, 0.62338762774958223]

Khi f_obs là 2-D, theo mặc định, thử nghiệm được áp dụng cho mỗi cột.

>>> obs = np.array[[[16, 18, 16, 14, 12, 12], [32, 24, 16, 28, 20, 24]]].T
>>> obs.shape
[6, 2]
>>> chisquare[obs]
[array[[ 2.        ,  6.66666667]], array[[ 0.84914504,  0.24663415]]]

Bằng cách cài đặt

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

>>> chisquare[obs, axis=None]
[23.31034482758621, 0.015975692534127565]
>>> chisquare[obs.ravel[]]
[23.31034482758621, 0.015975692534127565]

DDOF là sự thay đổi để thực hiện theo mức độ tự do mặc định.

>>> chisquare[[16, 18, 16, 14, 12, 12], ddof=1]
[2.0, 0.73575888234288467]

Việc tính toán giá trị p được thực hiện bằng cách phát sóng thống kê chi bình phương với DDOF.

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

f_obs và f_exp cũng được phát sóng. Sau đây, f_obs có hình dạng [6,] và f_exp có hình dạng [2, 6], do đó, kết quả của việc phát sóng f_obs và f_exp có hình dạng [2, 6]. Để tính toán các số liệu thống kê chi bình phương mong muốn, chúng tôi sử dụng

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497

scipy.stats.chi2.ppf[1-.01, df=11]

24.72497