pearson卡方检验代码

Pearson卡方检验是一种统计学中常用的方法，用于检验两个分类变量之间是否独立。在Python中，可以使用`scipy.stats`模块中的`chi2_contingency`函数来执行Pearson卡方检验。以下是一个简单的代码示例：

import scipy.stats as stats

# 假设有一个2x2的列联表
observed = [[10, 20], [15, 35]]

# 执行卡方检验
chi2, p, dof, expected = stats.chi2_contingency(observed)

print(f"卡方值: {chi2}")
print(f"p值: {p}")
print(f"自由度: {dof}")
print("期望频数:\n", expected)

在这个示例中，`observed`是一个2x2的数组，代表观测到的频数分布。`chi2_contingency`函数会返回四个值：
- `chi2`：卡方统计量的值。
- `p`：观察到的或更极端情况出现的概率（p值），如果p值小于显著性水平（通常为0.05），则拒绝零假设。
- `dof`：自由度。
- `expected`：在零假设成立的情况下，期望的频数分布。

在实际应用中，列联表的数据需要根据实际问题来收集和整理。卡方检验适用于样本量较大时，且期望频数不应太小（通常要求每个格子的期望频数不少于5）。