第5章 - 假设检验-Pearson卡方检验与Fisher精确检验

罗大黑学生信 2021-08-09

4994

Pearson卡方检验

卡方检验是一种用于分析分类变量数据的假设检验的方法，该方法的主要目的是推断两个或多个总体率或构成比之间有误差别。

应用条件：

(1)所有的理论数T≥5并且总样本量n≥40，用Pearson卡方进行检验。

(2)如果理论数T＜5但T≥1，并且1≥40，用连续性校正的卡方进行检验。

(3)如果有理论数T＜1或n＜40，则用Fisher’s检验。

R 实现

## 1 将数据转换成二联表
data <- matrix(data, nrow=2,ncol=2)


chisq.test()  ## correct = T/F 应用于是否用连续性校正的卡方进行检验

Fisher精确检验

是用于分析列联表（contingency tables）统计显著性检验方法，它用于检验两个分类的关联（association)。虽然实际中常常使用于小数据情况，但同样适用于大样本的情况。

基本思想：在四格表周边合计数固定不变的条件下，直接算表内格子的数据的各种组合的概率P,然后计算单侧或者双侧的累计概率P，并与校验水平a比较。

Usage:
     fisher.test(x, y = NULL, workspace = 200000, hybrid = FALSE,
                 control = list(), or = 1, alternative = "two.sided",
                 conf.int = TRUE, conf.level = 0.95,
                 simulate.p.value = FALSE, B = 2000)




x <- matrix(c(11,2,20,0),nrow=2)
Ftest <- fisher.test(x)


  Fisher's Exact Test for Count Data


data:  x
p-value = 0.1477
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.000000 3.374997
sample estimates:
odds ratio

参考：

https://www.zhihu.com/question/63191726/answer/1131690153

https://blog.csdn.net/u011467621/article/details/47971909

https://blog.csdn.net/z54572/article/details/61199246

数据库

文章转载自罗大黑学生信，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

第5章 - 假设检验-Pearson卡方检验与Fisher精确检验

评论