问题标签 [chi-squared]

作为一项任务，我必须使用 PMF 为给定的几何分布开发和算法并生成样本

使用逆变换方法，我想出了以下用于生成值的表达式：

其中 U 代表一个值或 n 个值，具体取决于样本的大小，取自 Unif(0,1) 分布，p 为 0.3，如上述 PMF 所述。

我有算法，R 中的实现，我已经生成了 QQ 图，以直观地评估经验值对理论值的调整（用 R 生成），即，如果生成的样本确实遵循几何分布。

现在我想将生成的样本提交给拟合优度测试，即卡方，但我在 R 中遇到了麻烦。

我有 3 个数据向量代表 3 个组 A、B、C 的性别（0=男性，1=女性）。

例如

以及男女相对人数

我想知道这三组之间的性别是否存在显着差异。为此，我读到可以使用

如何将其与超过 2 组数据和具有不同长度的数据一起使用？有没有其他方法可以在适合我的情况的matlab中执行卡方检验？提前致谢

我有 3 个数据向量代表 3 个组 A、B、C 的性别（0=男性，1=女性）。

例如

以及男女相对人数

我想知道这三组之间的性别是否存在显着差异。为此，我读到可以使用

如何将其与超过 2 组数据和具有不同长度的数据一起使用？有没有其他方法可以在 MATLAB 中执行适合我的情况的卡方检验？

提前致谢

我使用蒙特卡罗算法通过反演采样生成几何分布大小为 100 的数据样本：

上面的函数是几何分布的 CDF 的倒数

我不知道该怎么做是随机模拟 1000 个大小为 100 的数据样本并计算每个样本的卡方检验统计量。我创建示例的尝试如下：

}

但是，这给了我控制台的所有示例，以后无法引用它们。

我真的很感激一些帮助。

谢谢

我正在尝试使用scipy.stats.chisquare. 我建立了一个玩具示例：

返回中的相同示例R：

我究竟做错了什么？

谢谢

有没有办法将 chi sq 测试置信度从 95% 设置为 99%？

基本功能

chisq.test()

不要抱怨这个功能......

编辑：

我不要求 p 值。我的问题是关于信心风险。

chisq 测试的 alpha 风险（置信度）默认为 0.05。我想将其设置为 0.01（99% 置信度）。阿尔法风险是统计量 X 的截止值。对于给定的具有“x”自由度的 Chi 分布，阿尔法风险对应于“X 风险统计量”。如果“我们数据的 X 统计量”大于“X 风险统计量”，我们拒绝 H0。我们可以计算 p 值，这可以解释为我们的 H1 为真的概率。

我会将置信风险从 0.05 更改为 0.01。如果我们改变置信风险，p 值就会改变。例如，对于 95% 的置信度，p 值为 0.001，对于 99% 的置信度可能是 0.2。

我R用来计算列联表上的 Fisher Exact 检验。我需要它，因为在某些表格单元格中，我的值低于 5，所以我不能使用Chi-square.

我使用 fisher.test(table)，但这只会给我一个 p 值。

问题：如果我还需要检验统计量的值怎么办？

我正在尝试实现卡方算法是：

我的问题是卡方中的除法器可能为 0，它会使距离变为 NaN。我应该将分隔线设为 1 还是忽略它？或者还有另一种计算 SIFT 特征的卡方算法？

我对R真的很陌生，所以请多多包涵。我正在使用卡方检验来比较给定位置的核苷酸频率，并计算了两个不同数据集中的 A、C、G、T 的数量：

我可以想到两种方法来进行两样本卡方检验：

或者

我怀疑第二个版本是正确的，因为我也可以这样做：

具有相同且明显不正确的结果。

在这种情况下实际计算的是什么？

谢谢！

在 Pandas 中，我正在尝试手动编写卡方检验。我在下面的数据框中进行row 0比较。row 1

为此，我需要将每个单元格的预期单元格计数计算为cell(i,j) = rowSum(i)*colSum(j) / sumAll：在 R 中，我可以简单地通过获取outer()产品来做到这一点：

我使用 numpy 的外积函数来模仿上述 R 代码的结果：

是否可以使用 Pandas 功能实现这一点？