大小不等组的卡方检验

Question

我想应用卡方测试scipy.stats.chisquare 。 并且我的组中的观察总数不同。

import pandas as pd

data={'expected':[20,13,18,21,21,29,45,37,35,32,53,38,25,21,50,62],
      'observed':[19,10,15,14,15,25,25,20,26,38,50,36,30,28,59,49]}

data=pd.DataFrame(data)
print(data.expected.sum())
print(data.observed.sum())

忽略这一点是不正确的 - 对吧？

scipy.stats.chisquare的默认行为是否考虑了这一点？ 我用笔和纸检查过，看起来没有。 有这个参数吗？

from scipy.stats import chisquare
# incorrect since the number of observations is unequal 
chisquare(f_obs=data.observed, f_exp=data.expected)

当我进行手动调整时，我得到的结果略有不同。

# adjust actual number of observations
data['obs_prop']=data['observed'].apply(lambda x: x/data['observed'].sum())
data['observed_new']=data['obs_prop']*data['expected'].sum()

# proper way
chisquare(f_obs=data.observed_new, f_exp=data.expected)

如果我在某个时候错了，请纠正我。 谢谢。

ps：我标记了 R 以获得额外的统计专业知识

Answer 1

基本上这是一个不同的统计问题 - 列联表中变量独立性的卡方检验。

from scipy.stats import contingency as cont
chi2, p, dof, exp=cont.chi2_contingency(data)
p

Answer 2

我没有很好地理解这个问题。 但是，我认为如果您想计算两个分类变量之间的独立性测试，您可以使用scipy.stats.chi2_contingency 。 此外scipy.stats.chi2_sqaure可用于比较观察到的与预期的。 这里类别的数量应该相同。 逻辑上，如果存在观察到的频率但预期频率不存在，则类别将获得 0 频率，反之亦然。

希望这可以帮助