Python에서 카이제곱 독립성 테스트를 수행하는 방법

카이 제곱 독립성 검정   두 범주형 변수 사이에 유의미한 연관성이 있는지 여부를 확인하는 데 사용됩니다.

이 튜토리얼에서는 Python에서 카이제곱 독립성 테스트를 수행하는 방법을 설명합니다.

예: Python의 카이제곱 독립성 테스트

성별이 정당 선호와 연관되어 있는지 여부를 알고 싶다고 가정해 보겠습니다. 우리는 유권자 500명을 무작위로 표본 추출하여 선호하는 정당에 대해 질문합니다. 다음 표는 설문 조사 결과를 나타냅니다.

다음 단계를 사용하여 Python에서 카이제곱 독립성 테스트를 수행하여 성별이 정당 선호도와 연관되어 있는지 확인합니다.

1단계: 데이터를 생성합니다.

먼저 데이터를 보관할 테이블을 만듭니다.

 data = [[120, 90, 40],
        [110, 95, 45]]

2단계: 카이제곱 독립성 검정을 수행합니다.

다음으로, 다음 구문을 사용하는 SciPy 라이브러리의 chi2_contingency 함수를 사용하여 카이제곱 독립성 테스트를 수행할 수 있습니다.

chi2_contingency(관찰됨)

금:

• 관찰: 관찰된 값의 분할표입니다.

다음 코드는 특정 예에서 이 함수를 사용하는 방법을 보여줍니다.

 import scipy.stats as stats

#perform the Chi-Square Test of Independence
stats.chi2_contingency(data)

(0.864,
 0.649,
 2,
 array([[115. , 92.5, 42.5],
        [115. , 92.5, 42.5]]))

결과를 해석하는 방법은 다음과 같습니다.

• 카이제곱 검정 통계량: 0.864
• p-값: 0.649
• 자유도: 2 (#rows-1 * #columns-1로 계산됨)
• 표: 마지막 표에는 분할표의 각 셀에 대한 예상 값이 표시됩니다.

카이제곱 독립성 검정에서는 다음과 같은 귀무 가설과 대립 가설을 사용합니다.

• H ₀ : (귀무가설) 두 변수는 독립적입니다.
• H ₁ : (대립 가설) 두 변수는 독립적 이지 않습니다 .

검정의 p-값(0.649)이 0.05 이상이므로 귀무가설을 기각할 수 없습니다. 이는 성별과 정당 선호도 사이에 연관성이 있다고 말할 수 있는 충분한 증거가 없음을 의미합니다.

즉, 성별과 정당 선호도는 독립적입니다.