python卡方拟合优度检验

卡方拟合优度检验是一种用于比较观察值与期望值之间差异的统计方法，通常应用于分类变量的分布检验。在Python中，可以使用scipy库中的`chisquare`函数进行卡方拟合优度检验。

下面是一个示例代码：

from scipy.stats import chisquare
import numpy as np

observed = np.array([10, 20, 30, 40])  # 观察值
expected = np.array([15, 15, 25, 25])  # 期望值

result = chisquare(observed, expected)

print('卡方值:', result.statistic)
print('P值:', result.pvalue)

在上面的代码中，`observed`和`expected`分别表示观察值和期望值。`chisquare`函数会返回一个元组，其中第一个元素表示卡方值，第二个元素表示P值。根据P值是否小于显著性水平，可以判断观察值与期望值之间的差异是否显著。如果P值小于显著性水平，那么可以拒绝原假设，认为观察值与期望值之间的差异是显著的。反之，如果P值大于显著性水平，那么不能拒绝原假设，认为观察值与期望值之间的差异不显著。