概率与统计 · 卡方检验

卡方检验

卡方检验问的是:独立试验得到的次数,离假设预期的次数是不是太远。它把k类的(O − E)²/E加起来,再把总和X²放到自由度k − 1的卡方分布上比。

卡方检验与本页画面

把一个kk面的骰子独立地掷NN次,数每一面出现几次,得到观测次数O1,…,OkO_1, \dots, O_k。如果骰子公平,每一面的期望次数是E=N/kE = N/k。卡方统计量X2=∑(O−E)2/EX^2 = \sum (O - E)^2/E把每一面与EE之差的平方、按EE来量,再加起来。骰子公平、掷的次数足够多时,X2X^2近似服从自由度k−1k - 1的卡方分布;p值是这条曲线在观测到的X2X^2右边的面积。本页上面黄柱是次数、墨线是EE,下面是这条曲线。

每一项为什么除以E

某一面比预期多出9次:E=10E = 10时很惊人,E=1000E = 1000时几乎看不出来。次数的随机波动随次数变大:骰子公平时每个次数的方差是E(1−1/k)E(1 - 1/k),接近EE。差的平方除以EE,就把每一面放到同一把尺子上,一项在1左右就是寻常的随机波动。平方让差得远的一面占大头:六面骰的示例里,19个六贡献了X2=11.2X^2 = 11.2中的8.1。

为什么自由度是k − 1

各面次数加起来必须是NN,所以各面的差O−EO - E加起来总是0:知道其中k−1k - 1个,最后一个就定了。骰子公平时X2X^2的平均值正好是k−1k - 1,所以面越多,同一个X2X^2越不稀奇:11.2对六面骰已过5%临界值(p ≈ 0.048),对十二面骰却很寻常(p ≈ 0.43)。p值说明什么、不说明什么,见假设检验与p值。

曲线什么时候可信

骰子公平时,X2X^2只能取某些值,它真正的分布是一根根分开的尖条;卡方曲线是NN变大时它们逼近的光滑形状。用公平的骰子重掷,可以直接估计真正的尾概率。每面期望10次时,估计和曲线很接近;只掷6次时差得远。常用的经验是每一类的期望次数至少5左右。次数多也有另一面:每个次数乘10,X2X^2也乘10,所以独立投掷足够多时,很小的偏向也会显著。X2X^2量的是“骰子不公平”的证据,不是骰子偏了多少;p大只说明这些次数不足以说它不公平。

值得注意

  • 原假设给各类不相等的概率pip_i时,期望次数是Ei=NpiE_i = N p_i,其余做法不变。

操作

  • 在某一面上方按下或拖动,设这一面的次数;按横轴下面的面号只选中它。

相关概念