作者: 徐涛 ,19年应届毕业生,专注于珊瑚礁研究,喜欢用R各种清洗数据。
知乎:
https://www.zhihu.com/people/parkson-19/posts
前言
卡方检验是一种确定两个分类变量之间是否存在显着相关性的统计方法。就是统计样本的实际观测值与理论推断值之间的偏离程度,实际观测值与理论推断值之间的偏离程度就决定卡方值的大小,卡方值越大,越不符合;卡方值越小,偏差越小,越趋于符合,若两个值完全相等时,卡方值就为0,表明理论值完全符合。
1.适用条件
1)每组的理论次数都要大于5;
2)应用卡方测验的次数资料不应是测量的观察值或以百分数表示的相对数。
2.分类
1)检验样本方差的齐性;
2)适合性检验,比较观测值与理论值是否符合(孟德尔遗传定律);
3)独立性检验,比较两个或两个以上的因子相互之前是独立的还是互相影响的。
3.R实例
代码部分只体现卡方独立性检验
R语言中实现卡方检验的函数是chisq.test(data),data以列联表的形式展现。
1#以MASS包中Cars93数据集为例。检验汽车销售类型(Type)和安全气囊(AirBag)类型之间是否具有显著相关性。
2library(MASS)
3car.data<-table(Cars93$AirBags,Cars93$Type)#构建列联表
4car.data
5 Compact Large Midsize Small Sporty Van
6 Driver & Passenger 2 4 7 0 3 0
7 Driver only 9 7 11 5 8 3
8 None 5 0 4 16 3 6
9chisq.test(car.data)
10
11 Pearson's Chi-squared test
12
13data: car.data
14X-squared = 33.001, df = 10, p-value = 0.0002723
15#结果显示,p<0.01,表明销售汽车类型和安全气囊具有极显著相关性。可以估计哪种类型的汽车可以更好地
16#销售哪种类型的气囊。
备注
1)卡方检验的结果,值是越大越好,还是越小越好?
答:与其它检验一样,所计算出的统计量越大,在分布中越接近分布的尾端,所对应的概率值越小。如果试验设计合理、数据正确,显著或不显著都是客观反映。没有什么好与不好。
参考
T检验与F检验的区别_f检验和t检验的关系 - Little_Rookie - 博客园
https://www.cnblogs.com/nxld/p/6185433.html
往期精彩:
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门
回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法常用数据挖掘算法
本文由R语言中文社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。
以上所述就是小编给大家介绍的《基于R实现统计中的检验方法---卡方检验》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 基于R实现统计中的检验方法---方差分析
- python数据分析于实现,单样本体检验、独立样本体检验、相关分析、列联表分析!
- 讲讲大厂面试必考的假设检验
- 浅谈正态分布检验
- 检验机器学习可解释性的技巧
- ESLint 4.12.1 发布,JavaScript 检验工具
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
像计算机科学家一样思考Python (第2版)
[美] 艾伦 B. 唐尼 / 赵普明 / 人民邮电出版社 / 2016-7 / 49.00
本书以培养读者以计算机科学家一样的思维方式来理解Python语言编程。贯穿全书的主体是如何思考、设计、开发的方法,而具体的编程语言,只是提供了一个具体场景方便介绍的媒介。 全书共21章,详细介绍Python语言编程的方方面面。本书从基本的编程概念开始讲起,包括语言的语法和语义,而且每个编程概念都有清晰的定义,引领读者循序渐进地学习变量、表达式、语句、函数和数据结构。书中还探讨了如何处理文件和......一起来看看 《像计算机科学家一样思考Python (第2版)》 这本书的介绍吧!