Come calcolare la v di cramer in python

La V di Cramer è una misura della forza dell’associazione tra due variabili nominali.

Va da 0 a 1 dove:

• 0 indica nessuna associazione tra le due variabili.
• 1 indica una forte associazione tra le due variabili.

Viene calcolato come segue:

V di Cramer = √ (X ² /n) / min(c-1, r-1)

Oro:

• X ² : La statistica del Chi quadrato
• n: dimensione totale del campione
• r: numero di righe
• c: Numero di colonne

Questo tutorial fornisce alcuni esempi di calcolo della V di Cramer per una tabella di contingenza in Python.

Esempio 1: V di Cramer per una tabella 2×2

Il codice seguente mostra come calcolare la V di Cramer per una tabella 2×2:

 #load necessary packages and functions
import scipy. stats as stats
import numpy as np

#create 2x2 table
data = np. array ([[7,12], [9,8]])

#Chi-squared test statistic, sample size, and minimum of rows and columns
X2 = stats. chi2_contingency (data, correction= False )[0]
n = np. sum (data)
minDim = min( data.shape )-1

#calculate Cramer's V
V = np. sqrt ((X2/n) / minDim)

#display Cramer's V
print(V)

0.1617

La V di Cramer risulta essere 0,1617 , il che indica un’associazione abbastanza debole tra le due variabili nella tabella.

Esempio 2: V di Cramer per tabelle più grandi

Nota che possiamo usare la funzione CramerV per calcolare la V di Cramer per un array di qualsiasi dimensione.

Il codice seguente mostra come calcolare la V di Cramer per una tabella con 2 righe e 3 colonne:

 #load necessary packages and functions
import scipy. stats as stats
import numpy as np

#create 2x2 table
data = np. array ([[6,9], [8, 5], [12, 9]])

#Chi-squared test statistic, sample size, and minimum of rows and columns
X2 = stats. chi2_contingency (data, correction= False )[0]
n = np. sum (data)
minDim = min( data.shape )-1

#calculate Cramer's V
V = np. sqrt ((X2/n) / minDim)

#display Cramer's V
print(V)

0.1775

La V di Cramer risulta essere 0,1775 .

Tieni presente che in questo esempio è stata utilizzata una tabella con 2 righe e 3 colonne, ma lo stesso identico codice funziona per una tabella di qualsiasi dimensione.

Risorse addizionali

Test di indipendenza del Chi quadrato in Python
Test della bontà di adattamento del chi quadrato in Python
Test esatto di Fisher in Python