问题标签 [chi-squared]

我想了解学生在特定考试中的表现与辍学率之间是否存在关系。我有一个 2×2 矩阵，其中变量 Level in test 取值 level 1 和 level 2，变量 dropout 的值不是 active 和 active。（你可以说1级=通过测试，2级=未通过）。

我可以看到我对“辛普森悖论”这个术语有疑问，因为我知道教职员工的每一次教育都有一个很高的 p 值，这表明考试水平和辍学之间没有关系。但是当我对数据进行分组并对整个教师进行分析时，我得到一个低 p 值，表明变量之间存在显着的关系。?? 我试图阅读有关辛普森悖论的信息，但我似乎没有得到如何处理这个问题的信息？我读过一个地方不应该对聚合数据执行测试，但那不是真的吗？

我真的希望有人能帮助我！

亲切的问候玛丽亚

我在 MATLAB 中为卡方测试编写了代码。我希望获得 0.897 或 0.287 等 P 值，但我的结果太小。下面是我的代码：

我也尝试过使用AD 测试，结果相似：

下面是带有拟合 Weibull 密度函数的数据的直方图（Weibull 参数为A=4.0420和B=2.0853）

我在单个拷贝区域中有 4 种基因型的观察计数样本。我想要做的是计算这些基因型的等位基因频率，然后使用 R 中的卡方检验这些频率与 25%:25%:25%:25% 的预期值显着偏离。

到目前为止，我得到了：

接下来我得到总数：

现在频率：

我现在迷路了。我想知道 af1、af2、af3 和 af4 是否显着偏离 0.25、0.25、0.25 和 0.25

我如何在 R 中做到这一点？

谢谢你，阿德里安

编辑：

好吧，我正在按照建议尝试 chisq.test() ：

试图告诉我的警告信息是什么？为什么近似值不正确？

为了测试这种方法，我选择了远离预期 0.25 的值：

在这种情况下，H0 仍然没有被拒绝，即使这些值与预期的 0.25 值相差甚远。

我正在使用 scipy.stats.chi2_contingency 方法来获取卡方统计信息。我们需要传递频率表，即列联表作为参数。但是我有一个特征向量，想自动生成频率表。我们有这样的功能吗？我目前正在这样做：

其中数据系列和目标系列是列值，另外两个是指标的名称。任何人都可以帮忙吗？谢谢

安德森函数只要求一个参数，应该是一维数组。所以我想知道如何传递两个不同的数组进行比较？谢谢

我正在学习如何对我的数据进行拟合分布，我正在使用 fitdistrplus 包的 fitdist 函数，但是对于卡方分布，我需要给出一个带有参数初始值的命名列表...

[1] 0.6666667 1.3666667 1.2833333 1.3666667 1.5833333 1.5333333 0.6666667 [8] 3.5333333 1.4166667 2.4500000 0.3333333 0.7666667 1.6000000 0.3833333 [15] 0.2666667 >1.8000000 3.2166667 1.3166667 2.4333333 2.2833333 2.3166667 [22] 4.1000000 1.0500000 0.3500000 >1.3166667 2.8333333 0.3166667 1.8333333 [29] 1.4666667 1.9833333 3.3666667 1.7000000 2.0666667 >1.4333333 0.5666667

错误 en fitdistr(surface.na.omit, "chi-squared") : 'start' 必须是命名列表

start 是一个命名列表，给出命名分布参数的初始值。对于某些计算合理起始值的分布，可以省略此参数>（请参阅详细信息），如果使用封闭公式估计参数，则不会考虑此参数。

但我不知道如何计算或找到这个值......有人可以解释一下吗？：/ 太感谢了...

通风

这不是真正的编码问题，而是更多的统计问题。

我正在对许多科目的多个比例进行比例测试。

例如，主题 1 将具有多个比例（多个“每次总试验成功”），主题 2 将具有多个比例。对于每个主题，我们正在测试所有这些比例是否相同。对于每个受试者，每个总试验的成功次数有多个比例。比例可以从 60 次中的 30 次成功到 1000 次中的 300 次成功（只是为了显示每个主题的试验和成功的范围）。此外，对于每个主题，可能有不同数量的比例。受试者 1 可以有 50 个比例，而受试者 2 只能有 2 个。我们的想法是，我们试图测试每个受试者的所有比例是否相同，然后如果它们不同则拒绝。

但是，我意识到在使用 prop.test 时，具有更多比例的受试者将比只有 2 个比例的受试者具有更显着的 p 值。我想知道是否有办法以不同的方式解决这个问题。我可以做的任何类型的更正，或者考虑到职位的数量。

任何建议都会有所帮助。

我正在尝试使用 R 运行学生 t 检验和带有大型数据集的卡方检验。由于我对 R 相当陌生，我的经验不足一直阻碍我自己的代码取得很大成功。

两个数据集都缺少数据，看起来像这样：

由于它是一个大型数据集，我正在尝试创建一个代码，我可以在其中将assayX 与所有assayY 进行比较。我希望为第一个数据集创建一个学生 t 检验循环，并为第二个数据集创建一个卡方循环。我之前成功地为相关分析创建了一个循环代码，所以我的代码基于这个想法。

第一个代码的问题是：无效的变量 y

第二个代码的问题是：x 和 y 必须具有相同的长度

我在这里和那里做了一些小的调整，只是得到了不同类型的错误，比如没有足够的“y”观察等等。我一直主要使用这个网站来弄清楚 R 是如何工作的，所以我希望你们能为新人提供一个聪明的小解决方案。

作为一个普通的 R 用户，我正在学习使用 python 进行分析，我从卡方开始并做了以下工作：

R

Python

对于test1，我很满意，因为 python 和 R 的测试结果相似，但test2事实并非如此，因为 R 有参数correct，所以我将其从默认值更改，生成的 p 值不一样。

我的代码有什么问题吗？我应该“相信”哪一个？

更新01

感谢您的反馈。我知道卡方检验不应该用于值小于 5 的单元格，我应该使用 Fisher 精确检验，我担心的是为什么 R 和 Python 给出的 p 值差异如此之大。

我想在 Python 中运行卡方检验。我已经创建了代码来执行此操作，但我不知道我所做的是否正确，因为 scipy 文档非常稀疏。

背景第一：我有两组用户。我的零假设是，两组中的人是否更有可能使用台式机、移动设备或平板电脑没有显着差异。

这些是在两组中观察到的频率：

这是我的代码使用scipy.stats.chi2_contingency：

这给了我一个 p 值2.02258737401e-38，这显然很重要。

我的问题是：这段代码看起来有效吗？特别是，鉴于我拥有的数据，我不确定是否应该使用scipy.stats.chi2_contingencyor scipy.stats.chisquare。