用户:JasonWiki/沙盒/卡方检验
< User:JasonWiki | 沙盒
原页面卡方检验
![](http://upload.wikimedia.org/wikipedia/commons/thumb/8/8e/Chi-square_distributionCDF-English.png/300px-Chi-square_distributionCDF-English.png)
卡方检验(chi-squared test, test[1])是一种当零假设成立时抽样分布服从卡方分布的假设检验。卡方检验有多种形式,需要对应不同场合加以应用。例如:
- 皮尔森卡方检验是最有名、应用最广泛的卡方检验,通常在没有特别注明卡方检验的形式时,各类文章中所提及“卡方检验”一般代指的就是皮尔森卡方检验。
在通常情况下,卡方检验假设实验数据服从独立正态分布,在此项假设下才能推导出统计量服从卡方分布。根据中心极限定理,独立正态假设在很多情况下通常都可以满足的。因此,卡方检验可以被用来尝试拒绝数据独立性的零假设,这就是所称的“独立性检验”。
再者,在
有两种用途,分别是“适配度检定”(Goodness of Fit test)以及“独立性检定”。
- 叶氏连续性修正:当用皮尔森卡方检定做独立性检定时,若任何一个栏位的期望次数小于5,会使“近似于卡方分配”的假设不可信,统计值会系统性地偏高,导致过度地拒绝虚无假设,此时可以做叶氏连续性修正。
- Cochran–Mantel–Haenszel chi-squared test。
- McNemar's test,用于某些 2 × 2 表格的配对样本。
- Tukey's test of additivity。
- portmanteau test,用于时间数列分析里检定自我相关的存在。
- 似然比检验(英语:likelihood ratio test),在建立统计模型时,用于检定证据是否支持某个复杂的模型(使用变数较多)优于简单的模型(使用变数较少),其中简单模型所使用的变数全部包含于复杂模型中。
运用
编辑- 建立零假说(Null Hypothesis),即认为观测值与理论值的差异是由于随机误差所致;
- 确定数据间的实际差异,即求出卡方值;
- 如卡方值大于某特定概率标准(即显著性差异)下的理论值,则拒绝零假说,即实测值与理论值的差异在该显著性水平下是显著的。
相关条目
编辑外部链接
编辑注
编辑- ^ χ的英语读音是kai,与“开”字的普通话发音相近。
|