Python中的卡方检验

Question

我想在Python中运行一个卡方检验。我已经创建了这样做的代码，但是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。我的假设是，两组中的人使用台式机、移动设备或平板电脑的可能性没有显著差异。

这是两组观察到的频率：

[[u'desktop', 14452], [u'mobile', 4073], [u'tablet', 4287]]
[[u'desktop', 30864], [u'mobile', 11439], [u'tablet', 9887]]

下面是我使用^{}的代码：

obs = np.array([[14452, 4073, 4287], [30864, 11439, 9887]])
chi2, p, dof, expected = stats.chi2_contingency(obs)
print p

这给了我一个p值2.02258737401e-38，这显然是有意义的。

我的问题是：这个代码看起来有效吗？尤其是，我不确定是否应该使用^{}或^{}，因为我有数据。

Answer 1

您正确地使用了chi2_contingency。如果您对卡方检验的正确使用或如何解释其结果感到不确定（即您的问题是关于统计检验而不是编码），请考虑在“交叉验证”网站上询问它：https://stats.stackexchange.com/

Answer 2

我不能对函数的使用发表太多评论。然而，目前的问题可能是统计性质的。你看到的很小的p值很可能是你的数据包含了大量的频率（大约一万次）的结果。当样本量过大时，任何差异都将变得显著，因此p值较小。您使用的测试对样本量非常敏感。有关详细信息，请参见here。