统计学——卡方检验和卡方分布
什么是卡方检验
卡方检验是一种用途很广的计数资料的假设检验方法。它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。
它在分类资料统计推断中的应用,包括:两个率或两个构成比比较的卡方检验;多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
例子1:四格卡方检验
以下为一个典型的四格卡方检验,我们想知道喝牛奶对感冒发病率有没有影响:
感冒人数 | 未感冒人数 | 合计 | 感冒率 | |
喝牛奶组 | 43 | 96 | 139 | 30.94% |
不喝牛奶组 | 28 | 84 | 112 | 25.00% |
合计 | 71 | 180 | 251 | 28.29% |
通过简单的统计我们得出喝牛奶组和不喝牛奶组的感冒率为30.94%和25.00%,两者的差别可能是抽样误差导致,也有可能是牛奶对感冒率真的有影响。
为了确定真实原因,我们先假设喝牛奶对感冒发病率是没有影响的,即喝牛奶喝感冒时独立无关的,所以我们可以得出感冒的发病率实际是(43+28)/(43+28+96+84)= 28.29%
所以,理论的四格表应该如下表所示:
感冒人数 | 未感冒人数 | 合计 | |
喝牛奶组 | =139*0.2829 | =139*(1-0.2829) | 139 |
不喝牛奶组 | =112*0.2829 | =112*(1-0.2829) | 112 |
即下表:
感冒人数 | 未感冒人数 | 合计 | |
喝牛奶组 | 39.3231 | 99.6769 | 139 |
不喝牛奶组 | 31.6848 | 80.3152 | 112 |
合计 | 71 | 180 | 251 |
如果喝牛奶和感冒真的是独立无关的,那么四格表里的理论值和实际值差别应该会很小。
卡方检验
卡方检验的计算公式为:
其中,A为实际值,T为理论值。
x2用于衡量实际值与理论值的差异程度(也就是卡方检验的核心思想),包含了以下两个信息:
1. 实际值与理论值偏差的绝对大小(由于平方的存在,差异是被放大的)
2. 差异程度与理论值的相对大小
例1卡方检验
根据卡方检验公式我们可以得出例1的卡方值为:
卡方 = (43 - 39.3231)平方 / 39.3231 + (28 - 31.6848)平方 / 31.6848 + (96 - 99.6769)平方 / 99.6769 + (84 - 80.3152)平方 / 80.3152 = 1.077
卡方分布的临界值:
上一步我们得到了卡方的值,但是如何通过卡方的值来判断喝牛奶和感冒是否真的是独立无关的?也就是说,怎么知道无关性假设是否可靠?
答案是,通过查询卡方分布的临界值表。
这里需要用到一个自由度的概念,自由度等于V = (行数 - 1) * (列数 - 1),对四格表,自由度V = 1。
对V = 1,喝牛奶和感冒95%概率不相关的卡方分布的临界概率是:3.84,显然1.077<3.84,没有达到卡方分布的临界值,所以喝牛奶和感冒是独立不相关的。
上面通过一个小例子让大家对卡方检验有一个简单的认识,下面是卡方检验的标准做法:
例子2. 四格卡方检验的标准做法
我们想知道不吃晚饭对体重下降有没有影响:
体重下降 | 体重未下降 | 合计 | 体重下降率 | |
吃晚饭组 | 123 | 467 | 590 | 20.85% |
不吃晚饭组 | 45 | 106 | 151 | 29.80% |
合计 | 168 | 573 | 741 | 22.67% |
1. 建立假设检验:
H0:r1=r2,不吃晚饭对体重下降没有影响,即吃不吃晚饭的体重下降率相等;
H1:r1≠r2,不吃晚饭对体重下降有显著影响,即吃不吃晚饭的体重下降率不相等。α=0.05
2. 计算理论值
体重下降 | 体重未下降 | 合计 | |
吃晚饭组 | 133.765 | 456.234 | 590 |
不吃晚饭组 | 34.2348 | 116.765 | 151 |
合计 | 168 | 573 | 741 |
3. 计算卡方值
根据公式
计算出卡方值为5.498
4. 查卡方表求P值
在查表之前应知本题自由度。按卡方检验的自由度v=(行数-1)(列数-1),则该题的自由度v=(2-1)(2-1)=1,查卡方界值表,找到3.84,而本题卡方=5.498即卡方>3.84,P<0.05,差异有显著统计学意义,按α=0.05水准,拒绝H0,可以认为两组的体重下降率有明显差别。
通过实例计算,对卡方的基本公式有如下理解:若各理论数与相应实际数相差越小,卡方值越小;如两者相同,则卡方值必为零。
附录
什么是卡方分布
若n个相互独立的随机变量ξ₁,ξ₂,...,ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布(chi-square distribution)。
R语言实现:
x1 = rnorm(1000000)
x2 = rnorm(1000000)
x3 = rnorm(1000000)
x4 = rnorm(1000000)
x5 = rnorm(1000000)
x6 = rnorm(1000000)Q1 = x1^2
Q2 = x1^2 + x2^2
Q3 = x1^2 + x2^2 + x3^2
Q4 = x1^2 + x2^2 + x3^2 + x4^2
Q5 = x1^2 + x2^2 + x3^2 + x4^2 + x5^2
Q6 = x1^2 + x2^2 + x3^2 + x4^2 + x5^2 + x6^2par(mfrow=c(1,1))
plot(density(Q1),xlim=c(0.23,6),ylim = c(0,1),breaks = 200,col = 'blue',lwd=2,main='chi-square',xlab = '',ylab='')
lines(density(Q2),col='black',lwd=2)
lines(density(Q3),col='red',lwd=2)
lines(density(Q4),col='green',lwd=2)
lines(density(Q5),col='gray',lwd=2)
lines(density(Q6),col='orange',lwd=2)
legend('topright',c('k=1','k=2','k=3','k=4','k=5','k=6'),fill = c('blue','black','red','green','gray','orange'))
最后画出来的图是:
由于随机数取得比较少,可能分布图与实际有些许的差别,不过这个可以不用太在意,一下是标准的分布图:
统计学——卡方检验和卡方分布相关推荐
- 【转载】卡方检验与卡方分布
转载自: https://blog.csdn.net/qq_15111861/article/details/80723754 http://blog.sina.com.cn/s/articlelis ...
- 卡方检验和卡方分布关联与区分
什么是卡方检验 卡方检验是一种用途很广的计数资料的假设检验方法.它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性分析.其根本思想就是在于比较理论频数和实际频数 ...
- 统计学概览与统计检验总结
统计学的数据类型 常用统计描述 统计学的五大内容:数据描述与可视化,参数估计,假设检验,相关分析,回归分析. 数据描述:即统计描述,描述数据的主要特点. 参数估计:由采集的数据集估计某个参数. 假设检 ...
- 数据分析应有的逻辑思维及分析方法
超级长文!数据分析应有的逻辑思维及分析方法 数据分析的下限,取决于逻辑归纳.与其说提高分析质量,不如说提升逻辑归纳能力. 逻辑归纳,需要拥有良好的逻辑思维,并结合领域知识形成该领域的分析方法.而领域方 ...
- 数据分析应学习逻辑思维及分析方法
数据分析的下限,取决于逻辑归纳.与其说提高分析质量,不如说提升逻辑归纳能力. 逻辑归纳,需要拥有良好的逻辑思维,并结合领域知识形成该领域的分析方法.而领域方法,进一步归纳则能够成为通用了方法论. 关于 ...
- python数据分析及特征工程(实战)
python数据分析及特征工程(实战) 1.数据分析 1.1单属性分析 1.1.1 异常值分析 1.1.2 分布分析 1.1.3 对比分析 1.1.4 结构分析 1.2多属性分析 1.2.1假设检验 ...
- Normal Distribution Chi-squared Distribution t distribution F-distribution
最近看论文发现经常有一些统计学的内容,但是这部分内容之前一直都是很薄弱的地方,不敢涉猎,现在学习一下,并整理下来,方便以后查阅. Normal Distribution & Chi-squar ...
- 『统计学』第四部分:回归分析和卡方检验
『回归分析』 『线性回归中的平方误差』 如上图,线性回归的平方误差如下: S E l i n e = ( y 1 − ( m x 1 + b ) ) 2 + ( y 2 − ( m x 2 + b ) ...
- 结合实例,直观理解正态分布、卡方分布、t分布、F分布和对应的Z检验、卡方检验、t检验、F检验
1 正态分布与Z检验 1.1 理论 Z检验的目的是为了验证:已知一个总体服从均值,方差的正态分布,现在有一些样本,这些样本所代表的总体的均值是否为. 则构建一个统计量Z, (1) 式中,为样本均值,为 ...
- 卡方线性趋势检验_统计学第七章 卡方检验【R语言实现】
知识点 卡方分布(Chi-square distribution) 四格表资料的卡方检验 配对四格表的卡方检验 四格表资料的Fisher确切概率法 行*列资料的卡方检验 多个样本率间的多重比较 频数分 ...
最新文章
- mysql实验报告四_实验报告四
- php打印四边形,用php的for循环输出四边形,各种三角形和菱形【含空心版本】
- 《超越平凡的平面设计: 版式设计原理与应用》—色轮
- android电视文件管理器,电视文件管理器
- .Net Core 3.0 IdentityServer4 快速入门
- springboot redis 断线重连_Redis高可用方案实现
- Quick BI v3.0版本全新起航——2018杭州云栖大会
- ora optimizer
- sql server 性能优化
- Unity中世界坐标与相对于某个物体的相对坐标的转换
- 计算机应用基础统考试题及答案题库,2.Windows知识题部分--计算机应用基础统考试题库及答案...
- 架构师之路读书会 | 15分钟一本,让我为你精读100本好书,快来加入吧!
- 视频号运营的6个小技巧你都知道哪些?国仁楠哥
- 网络爬虫的“盗亦有道”
- Linux和Mac下的微信电脑版electronic-wechat(非官方)
- 【网络通信】【GNS3】Window10 下 GNS3 安装与配置
- [PCIe]LTSSM与电源管理
- CTF--Broadcast
- 提问的智慧( 笔记)
- 【行业交流】后勤管理信息化的需求