如何在 python 中执行 fisher 精确检验

Fisher 精确检验用于确定两个 calcategories 变量之间是否存在显着关联。

当 2 × 2 表中的一个或多个单元格计数小于 5 时，它通常用作独立性卡方检验的替代方法。

本教程介绍如何在 Python 中执行 Fisher 精确检验。

示例：Python 中的 Fisher 精确检验

假设我们想知道性别是否与特定大学对政党的偏好有关。

为了探究这一点，我们随机调查了校园内的 25 名学生。按性别划分的民主党或共和党学生人数如下表所示：

为了确定性别和政党偏好之间是否存在统计上显着的关联，我们可以使用以下步骤在Python中执行Fisher精确检验：

第 1 步：创建数据。

首先，我们将创建一个表来保存数据：

 data = [[8, 4],
         [4, 9]]

步骤 2：执行 Fisher 精确检验。

接下来，我们可以使用 SciPy 库中的fisher_exact 函数执行 Fisher 精确测试，该函数使用以下语法：

Fisher_exact（表，替代=’两张脸’）

金子：

• 表： 2×2 列联表
• 替代：定义替代假设。默认为“双面”，但您也可以选择“更少”或“更大”进行单面测试。

下面的代码展示了如何在我们的具体示例中使用该函数：

 import scipy.stats as stats

print(stats.fisher_exact(data))

(4.5, 0.1152)

用于测试的 p 值为0.1152 。

Fisher 精确检验使用以下原假设和备择假设：

• H ₀ ：（零假设）两个变量是独立的。
• H ₁ ：（替代假设）两个变量不是独立的。

由于该 p 值不小于 0.05，因此我们不拒绝原假设。

因此，我们没有足够的证据表明性别和政党偏好之间存在显着关联。

换句话说，性别和政党偏好是独立的。