卡方检验的原理和实现方法

学习目标

掌握卡方检验的原理和实现

卡方检验用来分析两个名义变量之间是否显著相关。

学了这么多连续变量的统计分析，那么对于计数资料可咋整。小伙伴会问了：如果我想看不同患者人群的术后复发率有没有差异，怎么办?这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦!

卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需要他的帮忙。

用药物A治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物B，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别?

表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况。

卡方检验的目的:确定样本对象落入各类别的比例是否与随机期望比例相等。

1.卡方值计算

两个概念

·观测频数

·预期频数

计算各行和各列的和:

计算每个格子在当前行中的预期频数

列出每个格子的观测频数和预期频数

卡方值的计算公式:

计算每个格子的值:

最终 $$\chi^2$$=0.19+4.17+10.06+0.19+4.17+4.11=22.89

自由度$df=(R-1)(C-1)=(2-1)(3-1)=2$

结论

2.代码实现

手动代码实现：

·导入数据

import pandas as pd
data=pd.read_csv('data/chi2.csv')
data.head()

·统计频次(交叉表统计)

#统计频次
table=pd.crosstab(data['sex'],data['major'])
table

·计算预期频次

#计算预期频次
x=o.values
col=np.sum(x,axis=1,keepdims=True)#行的和
row=np.sum(x,axis=0,keepdims=True)#列的和
total=np.sum(x)#总和
col,row,total

e=col*row/total#计算预期频次
e

·计算卡方值

#计算卡方值
o_miuns_e=o.values-e #o-e
chi2=np.sum(np.square(o_miuns_e)/e)
chi2

·计算p值

#计算p值
df=(o.shape[0]-1)*(o.shape[1]-1)#自由度
p=1-ss.chi2.cdf(chi2,df)
p#7.074778948346072e-06  拒绝原假设   专业选择和性别之间相关

·scipy实现:

Api:scipy.stats.chi2_contingency(observed):

·参数:

observed:观测的实际频次 通常为$$R\times C$$的表格

·返回值:

 chi2:卡方值

 p:p值

 dof:自由度

 expected:预期频次

代码实现

·加载数据

import pandas as pd
import scipy.stats as ss
data=pd.read_csv('data/chi2.csv')
data.head()

·统计观测频次

#统计频次
o=pd.crosstab(data['sex'],data['major'])
o

·卡方检验

chi2,p,dof,e=ss.chi2_contingency(o)
chi2,p,dof,e

(23.71794871794872, 7.0747789483371884e-06, 2, array([[32.5, 30. , 37.5],[32.5, 30. , 37.5]]))

3.小结

·卡方检验:用来分析两个名义变量之间是否显著相关

·卡方值计算:

观测频次O

预期频次E

自由度:$$(R-1)\times(C-1)$$

api:scipy.stats.chi2_contingency(observed)


猜你喜欢：
什么是RNN?RNN可以做什么?

Python基础视频教程(600集)

Python培训课程