卡方检验pyhton代码

### 卡方检验的Python代码实例

为了执行卡方检验，可以使用 `scipy` 库中的函数来计算观测频数与期望频数之间的差异。下面是一个具体的例子：

import numpy as np
from scipy.stats import chisquare  # 导入用于执行卡方检验的模块[^1]

# 假设我们有如下数据集表示不同类别下的观察次数
observed_frequencies = [20, 25, 30, 25]  

# 如果我们知道理论上的分布情况，则可以直接给出预期频率；如果不知道则假设均匀分布
expected_frequencies = [np.mean(observed_frequencies)] * len(observed_frequencies)

# 执行卡方检验并获取统计量和p值
chi_statistic, p_value = chisquare(f_obs=observed_frequencies, f_exp=expected_frequencies)

print("Chi-Square Statistic:", chi_statistic)
print("P-value:", p_value)

这段代码展示了如何利用给定的数据来进行简单的拟合优度测试，即验证实际观测到的结果是否符合某个特定的概率模型。

对于独立性检验的情况，在处理分类变量时更为常见，比如分析两个属性之间是否存在关联关系。此时需要用到列联表形式的数据结构，并调用 `scipy.stats.chi2_contingency()` 函数[^2]。