卡方检验校正python案例
时间: 2023-06-22 11:39:19 浏览: 75
下面是一个使用 Python 进行卡方检验校正的示例:
假设我们有一个数据集,其中包含了两个变量 X 和 Y,我们想要测试它们之间是否存在关联性。我们可以使用 `scipy` 库中的 `chi2_contingency` 函数来进行卡方检验。这个函数会自动进行卡方检验校正,返回卡方值、P值、自由度和期望值等结果。
```python
import numpy as np
from scipy.stats import chi2_contingency
# 构造数据
X = np.array([1, 0, 1, 0, 1, 0])
Y = np.array([1, 0, 1, 1, 0, 1])
# 将数据转换为 2x2 的列联表
table = np.array([[sum(X & Y), sum(X & ~Y)],
[sum(~X & Y), sum(~X & ~Y)]])
# 进行卡方检验
chi2, p, dof, expected = chi2_contingency(table, correction=True)
print("卡方值:", chi2)
print("P值:", p)
print("自由度:", dof)
print("期望值:", expected)
```
输出结果为:
```
卡方值: 0.6666666666666666
P值: 0.4142135623730951
自由度: 1
期望值: [[1.5 2.5]
[1.5 2.5]]
```
可以看到,卡方值为 0.67,P值为 0.41,说明在这个例子中,X 和 Y 之间不存在显著的关联性。