我有两个阵列，我想进行皮尔逊卡方检验（拟合优度）。我想测试预期结果与观察结果之间是否有显着差异。
observed = [11294, 11830, 10820, 12875]
expected = [10749, 10940, 10271, 11937]
我想比较11294和10749、11830和10940、10820和10271等。
这就是我所拥有的
>>> from scipy.stats import chisquare
>>> chisquare(f_obs=[11294, 11830, 10820, 12875],f_exp=[10749, 10940, 10271, 11937])
(203.08897607453906, 9.0718379533890424e-44)
其中203是卡方检验统计量，而9.07e-44是p值。我对结果感到困惑。 p值= 9.07e-44
最佳答案
通常，零假设（H0）表示两个变量（X和Y）是独立的，即更改X中的值不会影响Y中的值。
例如，X = [1,2,3,4]，Y = [2,4,6,8]
如果使用这种情况下的任何方法来计算“ p值”，则该值应该很小，这意味着遵循原假设后这种情况的可能性很小，即可能性非常低X和Y彼此独立。
这意味着它将永远不会遵循零假设，并且这两个变量以Y = 2X的形式相互依赖。
同样在您的情况下，p值得分9.0718379533890424e-44表示相同的内容，即，较小的值表示满足原假设的机会很小，并且意味着观察到的期望与预期的彼此相关，并且他们之间没有独立性。
附言您对此是正确的。
关于python - 培生的卡方测试Python，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29866961/