使用 Python 在卡方檢驗中未獲得預期結果

Question

有人可以檢查下面的問題和我的代碼，讓我知道為什么我沒有得到預期的結果嗎？

問題：該表是按教育程度划分的婚姻狀況列聯表。 使用卡方檢驗測試同質性。按教育程度划分的婚姻狀況列聯表。

通過執行以下命令查看表 python

from prettytable import PrettyTable
t = PrettyTable([‘Marital Status’,’Middle school’, ‘High School’,’Bachelor’,’Masters’,’PhD’])
t.add_row([‘Single’,18,36,21,9,6])
t.add_row([‘Married’,12,36,45,36,21])
t.add_row([‘Divorced’,6,9,9,3,3])
t.add_row([‘Widowed’,3,9,9,6,3])
print (t)
exit()

假設

Null 假設：不同文化程度的婚姻狀況分布不存在差異。

替代假設：存在差異

編碼

1. import chi2_contingency並from scipy.stats import chi2 。

2.聲明一個二維數組，其中包含按教育程度划分的婚姻狀況列聯表中提到的值。

3.計算和打印的值

– 卡方統計 – 自由度 – P 值 – 提示：使用chi2_contigency() function 4.假設 alpha 值為 0.05

5.將P值與alpha進行比較，決定是否拒絕null假設。

– If Rejected print “Reject the Null Hypothesis” – Else print “Failed to reject the Null Hypothesis”

樣本 output 2.33 4.5 8.9 拒絕 Null 假設

我的代碼：

from scipy.stats import chi2_contingency
from scipy.stats import chi2
table= [ [18,36,21,9,6],[12,36,45,36,21], [6,9,9,3,3],[3,9,9,6,3] ]
stat,p,dof,expected = chi2_contingency(table)
prob = 0.95
critical = chi2.ppf(prob, dof)
if abs(stat) >= critical:
print(stat, dof ,p ,'Reject the Null Hypothesis')
else:
print(stat, dof ,p ,'Failed to reject the Null Hypothesis')

謝謝你，拉克什

Answer 1

使用 prob = 0.05 而不是 0.95

謝謝！

Answer 2

從 scipy.stats 導入 chi2_contingency 從 scipy.stats 導入 chi2

def chi_test(): # Notation Output 1. stat: Float 2. dof: Integer 3. p_val: Float 4. res: String

代碼

table=[[18,36,21,9,6],[12,36,45,36,21],[6,9,9,3,3],[3,9,9,6,3]]

stat,dof,p_val,res=chi2_contingency(table)
    
prob=0.95
critical=chi2.ppf(prob, dof)

if abs(stat) >= critical:
    print('Reject the Null Hypothesis')
else:
     print('Failed to reject the Null Hypothesis')

alpha=1.0-prob
if p_val <= alpha:
    print('Reject the Null Hypothesis')
else:
     print('Failed to reject the Null Hypothesis')
     
return stat,dof,p_val,res   

如果名稱=='主要'：打印（chi_test（））

Answer 3

from scipy.stats import chi2_contingency
from scipy.stats import chi2

def chi_test():
    '''
    Output
    1. stat: Float
    2. dof : Integer
    3. p_val: Float
    4. res: String
    '''
    #Note: Round off the Float values to 2 decimal places.
    table=[[18,36,21,9,6],[12,36,45,36,21],[6,9,9,3,3],[3,9,9,6,3]]

    stat,p_val,dof,res=chi2_contingency(table)
    
    prob=0.95
    critical=chi2.ppf(prob, dof)

    if abs(stat) >= critical:
        res = 'Reject the Null Hypothesis'
    else:
        res= 'Failed to reject the Null Hypothesis'

    alpha=1.0-prob
    if p_val <= alpha:
        res = 'Reject the Null Hypothesis'
    else:
        res = 'Failed to reject the Null Hypothesis'
    
    stat = round(stat,2)
    dof = round(dof,2)
    p_val = round(p_val,2)
    
    
    return stat,dof,p_val,res   

if __name__=='__main__':
    print(chi_test())