使用 scipy 进行卡方计算

Question

我尝试使用 scipy 进行卡方检验，如下所示

import numpy as np

import scipy

vals = np.array([[70, 20], [50, 60]])

x2, p, dof, expected = scipy.stats.chi2_contingency(vals)

print('x2 = {:.5f}'.format(x2))

print('p-value = {}'.format(p))

print(expected)

a = scipy.stats.chisquare(f_obs= vals,   # Array of observed counts

                f_exp= expected)

我有

• x2 = 20.22306

• p 值 = 6.8917007718498866e-06

• [[54。36.] [66. 44.]]

但是，这个结果与我的实现不同。

def Chi2_test(vals, k=1):

    r, c = vals.shape

    a_sum = vals.sum(axis=0)

    b_sum = vals.sum(axis=1)

    S = vals.sum()

    Pa= a_sum / S

    Pb = b_sum / S

    Pa = np.tile(Pa, c).reshape(r, c)

    Pb = np.repeat(Pb, c).reshape(r, c)

    Pab = Pa * Pb

    E = Pab * S

    x2 = np.sum(((vals - E) ** 2) / E)

    # chi square -> p value

    # Gamma function

    def Gamma(x):

        if x == 1:

            return 1

        elif x == 0.5:

            return np.sqrt(np.pi)

        else:

            return (x - 1) * Gamma(x - 1)

    # chi square   

    def Chi2(x, k):

        return (x ** (k / 2 - 1)) * (np.exp(- x / 2)) / ((2 ** (k / 2)) * Gamma(k / 2))

    p_value = integrate.quad(lambda x: Chi2(x, k=k), x2, np.inf)[0]

    return x2, p_value

vals = np.array([[70, 20],

                 [50, 60]])

x2, p_value = Chi2_test(vals)

print('x2 :', x2)

print('p-value :', p_value)

x2：21.548821548821547

p值：3.449345362777984e-06

我不知道怎么了。

Answer 1

没有什么是错的！您看到的差异是因为scipy.stats.chi2_contingency当输入数组为 2x2 时应用了“连续性校正”。您可以通过传入参数来禁用此更正correction=False。有了这个，输出匹配你的计算：In [12]: vals = np.array([[70, 20], [50, 60]])In [13]: x2, p, dof, expected = scipy.stats.chi2_contingency(vals, correction=False)In [14]: x2Out[14]: 21.54882154882155In [15]: pOut[15]: 3.449345750127958e-06