如何在 python 中查找临界卡方值


当您执行卡方检验时,您会得到检验统计量。要确定卡方检验结果是否具有统计显着性,您可以将检验统计数据与临界卡方值进行比较。如果检验统计量大于临界卡方值,则检验结果具有统计显着性。

临界卡方值可以通过使用卡方分布表或使用统计软件找到。

要找到临界卡方值,您需要:

  • 显着性水平(常见选择为 0.01、0.05 和 0.10)
  • 自由程度

使用这两个值,您可以确定要与检验统计量进行比较的卡方值。

如何在 Python 中查找临界卡方值

要在 Python 中查找临界卡方值,您可以使用scipy.stats.chi2.ppf() 函数,该函数使用以下语法:

scipy.stats.chi2.ppf(q, df)

金子:

  • q:使用的重要性级别
  • df :自由度

此函数根据提供的显着性水平和自由度返回卡方分布的临界值。

例如,假设我们想要找到显着性水平为 0.05 且自由度 = 11 的临界卡方值。

 import scipy.stats

#find Chi-Square critical value
scipy.stats.chi2.ppf(1-.05, df=11)

19.67514

显着性水平为 0.05 且自由度 = 11 的临界卡方值为19.67514

因此,如果我们执行某种类型的卡方检验,我们可以将卡方检验统计量与19.67514进行比较。如果检验统计量大于 19.67514,则检验结果具有统计显着性。

请注意,较小的 alpha 值将导致较高的临界卡方值。例如,考虑显着性水平为0.01且自由度 = 11 的临界卡方值。

 scipy.stats.chi2.ppf(1-.01, df=11)

24.72497

并考虑具有完全相同自由度但显着性水平为0.005的临界卡方值:

 scipy.stats.chi2.ppf(1-.005 df=11) 
26.75685

有关 chi2.ppf() 函数的确切详细信息,请参阅SciPy 文档

添加评论

您的电子邮箱地址不会被公开。 必填项已用*标注