【Python・统计学】卡方检验（原理及代码）

卡方检验是一种统计方法，用于检验观察频率分布是否符合预期的理论频率分布。它基于卡方分布，因此称作卡方检验。

Python中使用scipy.stats模块的chi2_contingency函数可以进行卡方检验。

以下是一个使用卡方检验的例子：

import pandas as pd
from scipy.stats import chi2_contingency
 
# 假设有一个观察频率矩阵
observed = pd.DataFrame([
    [48, 15, 42],
    [15, 52, 26],
    [8, 35, 47]
])
 
# 调用chi2_contingency进行卡方检验
chi2, p, dof, expected = chi2_contingency(observed.values)
 
# 输出卡方值、p值和自由度
print(f"卡方值: {chi2}")
print(f"p值: {p}")
print(f"自由度: {dof}")
 
# 根据p值判断是否拒绝原假设
if p < 0.05:
    print("拒绝原假设，观察频率矩阵不符合预期的理论频率分布")
else:
    print("接受原假设，观察频率矩阵可能符合预期的理论频率分布")

在这个例子中，observed是一个观察频率矩阵，chi2_contingency函数会计算卡方值、p值和自由度，并据此判断观察频率矩阵是否符合预期的分布。