第七章假设检验(F检验与卡方检验)_图文.
(1建立假设H 0：健康状况好、中、差人数比率为1： 2： 1 (2计算理论频数和
判断
，，.05 （2）
1.22 .05 （2）所以该校高中应届毕业生健康状况好、中、差的人数比率是1 : 2 : 1。
? 例子：某校高中应届毕业生180人(男生90人，女生 90人，参加高考的结果如下表所示，问高考录取名额是否具有性别差异？性别男生女生合计录取人数10（9） 8（9） 18 未录取人数 80（81） 82（81） 162 合计 90 90 180
第7章卡方检验
卡方检验(Chi-square test) stat9@https://www.360docs.net/doc/aa15242313.html,
检验(Chi-square test)是现代统计学的创始人 K. Pearson 提出的一种具有广泛用途的统计方法。 该检验可用于两个及多个率（或者构成比）之间的比较，分类资料的关联度分析，拟合优度检验等。 2
一、卡方检验的基本思想 首先介绍一个抽样分布：卡方分布 ?属连续型分布 ?可加性是其基本性质 ?唯一参数，即自由度
(1) 自由度为1的χ2 分布 若Z N ~(,),01则Z 2 的分布称为自由度为1的χ2分布. (Chi-square distribution),记为χ()12或χ2 1(). 图形: 0246810 0.0 0.1 0.2 0.3 2 2 2 0.05(1)0.05/2 2 2 2 0.01(1) 0.01/2 3.84(1.96)6.63(2.5758)Z Z χχ ======
(2) νZ Z Z ,...,,21互相独立,均服从N (,)01, 则22221...νZ Z Z +++的分布称自由度为 ν的χ2 分布, 记为χν()2或)(2νχ,或简记为χ2 . ● 图形: ● 自由度ν很大时,2 () νχ近似地服从正态分布.有 2()2 (),22Z ννχνχννν -=服从均数为，方差为的正态分布
0.0 0.10.20.3 0.40.50 3 6 912 1518 ?¨·??μ ×Y ·?×?óé?è￡?1 ×?óé?è￡?2×?óé?è￡?3×?óé?è￡?6 2 /) 12/(2 2 22 )2/(21 )(χνχνχ--??? ? ??Γ= e f 3.84 7.81 12.59 P ＝0.05的临界值 χ2分布（Chi-square distribution ）
非参数统计学讲义(第六章)分布检验和某些卡方检验
非参数统计学讲义 主讲：统计系 袁靖 第六章 分布检验和某些卡方检验 §1 引 言 本章属于拟合优度检验问题，即模型检验或分布的检验，属于非参数检验的范畴。在初等统计中，人们要想知道数据是否服从某一特定分布，可以通过直方图，或P-P 图，Q-Q 图来直接判断，但这种直观的方式很不精确。 本章将介绍几种分布的检验：K-S 检验，Lilliefors 检验和2χ检验。 实际上，K-S 检验是在针对2χ检验的缺点1上提出的。它们是建立在经验分布函数基础上的检验结果。 §2 Kolmogorov 检验 一、基本假设 一般地要检验手中的样本是否来自某个已知0()F x ，假定其真实分布为()F x ，对应的检验类型有 00:()()A H F x F x = 对x ? 10:()()H F x F x ≠ 至少有一个x 00:()()B H F x F x = 对x ? 10:()()H F x F x < 至少有一个x 00:()()C H F x F x = 对x ? 10:()()H F x F x > 至少有一个x 设()S x 为该组数据的经验分布函数，则 () ()i i I X x X x S x n n ≤≤= =∑的目 二、基本方法 Kolmogorov 于三十年代提出了一种基于经验分布的检验方法，基本思想是：由格里文科定理，当n →∞ 时，样本经验分布?n F 以概率1一致收敛到总体分布F ，为此可以定义()S x 到0()F x 的距离为 00((),())sup ()()D S x F x S x F x =- 当H 0成立时，由格氏定理，D 以概率1收敛到0，因此D 的大小可以度量0()F x 对总体分布拟合的好 1 2χ检验与K-S 检验均属拟合优度检验，但2χ检验常用于定类尺度测量数据，K-S 检验还用于定序尺度测量数据；当预期频数较小时，2χ检验常需要合并邻近的类别才能计算，K-S 检验则不需要，因此它能比2 χ检验保留更多的信息；对于 特别小的样本数目，2χ检验不能应用，而K-S 检验则不受限制。此外，2 χ检验需要人为对总体分布的支撑集进行划分， 将总体分布转化成一种导出分布，后果：①样本信息利用不充分；②实际检验的是导出分布对数据的拟合优度，而不是假设分布对数据的拟合优度。
第七章 列联表分析
第七章列联表分析 7.1 列联表(Crosstabs)分析的过程 7.2 列联表的实例分析 7.1 列联表 (Crosstabs) 分析的过程 列联表分析的过程是对两个变量之间关系的分析方法。被分析的变量可以是定类变量也可以是定序变量。系统是通过生成列联表对两个变量进行列联表分析的。 列联表分析的功能可以通过下述操作来实现。 图7-1 列联表分析对话框 1．打开列联表分析对话框 执行下述操作： Analyze→Descriptive→Crosstabs 打开Crosstabs 对话框如图7-1 所示。 2．确定列联分析的变量 从左侧的源变量窗口中选择两个定类变量或定序变量分别进入Row(s)（行）窗口和Column(s)（列）窗口。进入Row(s)窗口的变量的取值将作为行的标志输出，而进入Column(s)窗口的变量的取值将作为列的标志输出。Display clustered bar charts 是在输出结果中显示聚类条图。Suppress table 是隐藏表格，如果选择此项，将不输出R×C 列联表。 3．选择统计分析内容 单击statistics 按钮，打开statistics 对话框，如图7-2 所示。
图7-2statistics 对话框 下面介绍该对话框中的选项和选项栏的内容： (1)Chi-square 是卡方（X2）值选项,用以检验行变量和列变量之间是否独立。适用于定类变量和定序变量。 (2)Correlations 是皮尔逊（Pearson）相关系数r 的选项。用以测量变量之间的线性相关。适用于定序或数值变量（定距以上变量）。 (3）Nominal 是定类变量选项栏。选项栏中的各项是当分析的两个变量都为定类变量时可以选择的参数。 1)Contingency coefficient：列联相关的C 系数，由卡方系数修正而得。 2) Phi and Cramer's V：列联相关的V 系数，由卡方系数修正而得。 3)Lambda：λ系数。 4)Uncertainty Coefficient：不定系数。 (4）Ordinal 是定序变量选项栏。选项栏中的各项是当分析的两个变量都为定序变量时可以选择的参数。 1)Gramma：Gramma 等级相关系数。 2)Somers’d：Somers 等级相关d 系数。 3)Kendall’s tau-b：肯得尔等级相关tau-b 系数。 4)Kendall’s tau-c：肯得尔等级相关tau-c 系数。 (5)Nominal by Interval 选项栏中的Eta 是当一个变量为定类变量，另一个变量为数值变量时，测量两个变量之间关系的相关比率。 系统默认状态是不输出上述参数。如需要可自行选择。上述选择做完以后，单击Continue 返回到Crosstabs 对话框。 4．确定列联表内单元格值的选项 单击Cells（单元格）按钮，打开Cell Display 对话框，如图7-3 所示。
第7章 SPSS卡方检验与顾客忠诚度分析
第7章 SPSS卡方检验与顾客忠诚度分析什么是客户忠诚？从广义上讲，我们可以这样来理解客户的忠诚：客户长期锁定于你的公司，使用你的产品，并且在下一次购买类似产品时还会选择此公司。客户忠诚只是一个定性的指标，一旦人们希望看到或要得到本公司的客户忠诚指标时候，就出现了客户忠诚度的概念，客户忠诚度就是用来衡量客户忠诚的一个数量指标。 客户忠诚度意味着客户不断地回来找你，来购买你的产品或服务，即便你没有最好的产品、最低的价格或最快的交付手段。你如何来解释这种看上去不合情理的客户行为？很简单：良好的关系。良好的关系建立在一段时间内的同客户发生的所有交互行为之上，它带来了价值和明显的企业收益。客户获得的全部价值不仅包括了他们获得的产品或服务，也获得该产品或服务的方式。那些能将两方面都做得很好的企业常常是其专业领域的佼佼者，他们获得更多的市场份额和利润。 7.1 卡方检验概述 2 检验是利用随机样本的分布与某种特定分布拟合程度的检验，也就是检验观察频数与理论频数之间的紧密程度，常用于离散变量的分布检验。卡方检验最常间的用途就是考察无序分类变量各水平在两组或多组之间的分布是否一致。实际上，除了这个用途之外，卡方检验还有更广泛的应用。具体而言，其用途主要包括以下几个方面。 1）检验某个连续变量的分布是否与某种理论分布相一致。如是否符合正态分布、是否服从均匀分布、是否服从Poisson分布等。 2）检验某个分类变量出现的概率是否等于指定概率。如在36选7的彩票抽奖中，每个数字出现的概率是否各为1/36；掷硬币时，正反两面出现的概率是否均为0.5。 3）检验某两个分类变量是否相互独立。如性别（二分类变量：男、女）是否有使用差异（二分类变量：是、否）有关；产品原料种类（多分类变量）是否与产品合格（二分类变量）有关。 4）检验控制某种或某几种分类因素的作用以后，另两个分类变量是否相互
实验7 卡方检验
实验7 卡方检验 一、实验目的 掌握拟合优度卡方检验和独立性或同质性卡方检验。 掌握单一样本K-S 检验。 二、实验设备 微机、SPSS for Windows V17.0 统计软件包。 三、实验内容 1．完成拟合优度卡方检验的 2 道上机练习题。 2．完成独立性或同质性卡方检验的 2 道上机练习题。 3. 完成单一样本K-S 检验的1道上机练习题 四、实验步骤 （一）拟合优度 χ2 检验的 SPSS 操作过程 1．建立至少包含一个待检变量的 SPSS 数据文件，如图 7-1 所示。 2．鼠标单击“分析→非参数检验→卡方”菜单项，打开“卡方检验”主对话框，如图 7-2 所示。 图7-1 拟合度χ2检验的数据文件 图7-2 卡方检验主对话框 3．指定检验变量：从左侧变量框中选择待检变量（可多选），单击中间的箭头按钮，使之移到右边的“检验变量列表”框中。 4．在“期望全距”栏内确定检验值的范围： （1）从数据中获取：数据文件中最小值和最大值所确定的范围，系统默认此项。 （2）使用指定的范围：可指定检验值范围，在 Lower 和 Upper 参数框中键入检验范围的下限和上限。 5．在“期望值”栏中指定期望值： （1）所有类别相等：各组所对应的期望值都相同，即要检验的总体服从均匀分布，系统默认此项。 （2）值：指定要检验的总体服从某种特定的分布，在其右边的框中键入相应各组所对应的由指定分布所计算而得的期望值。每输入一个值后按“添加”按钮，于是在它右边的框中便增加刚键入的期望值，期望值必须大于 0，直到输完所有的期望值为止。如果输入了错误的期望值，则
用鼠标点击该错误的期望值，单击“删除”按钮可删除之，或修改后单击“更改”按钮替换之。 6．单击“选项”按钮，打开“选项”对话框，如图7-3 所示。 （1）“统计量”栏：选择输出统计量 ?描述性：输出样本容量、平均数、标准差、最小值、最大值。 ?四分位数：输出四分位数。 （2）“缺失值”栏：选择缺失值的处理方式 ?按检验排除个案：当分析涉及到含有缺失值的变量时，先剔除该变量中含有缺失值的记录后再分析。系统默认此项。 ?按列表排除个案：剔除所有待检变量中含缺失值的记录后再进行分析。 单击“继续”按钮，返回主对话框。 图7-3 选项对话框图7-4 Exact Tests 对话框图7-5 独立性或同质性χ2检验数据文件 7．单击“精确”按钮，打开“精确检验”对话框，如图7-4 所示。 （1）仅渐进法：仅计算近似的概率值。 （2）Monte Carlo：采用蒙特卡罗模拟方法计算精确概率值。蒙特卡罗模拟默认进行10000 次抽样，给出精确概率及99%置信区间（默认值均可更改）。 ?置信水平：输入0.01~99.9 之间数值，指定置信水平。 ?样本数：输入1~1,000,000,000 之间数值，指定在Monte Carlo 近似法计算中的样本 数，样本数越大则求得的概率值越精确。 （3）精确：准确计算观测结果的统计概率。在“每个检验的时间限制为”框中输入 1~9,999,999,999之间数值，设定每个检验所使用的最长时间。如果一个检验所用的时间超过30 分钟，应该使用MonteCarlo 法。 单击“继续”按钮，返回主对话框。 8．单击“确定”按钮，执行SPSS 命令。 （二）独立性或同质性χ2检验的SPSS 操作过程 1．建立至少包含二个变量的SPSS 数据文件，如图7-5 所示。 2．鼠标单击“分析→描述统计→交叉表”菜单项，打开“交叉表”主对话框，如图11-6 所示。 3．指定检验变量： 从左侧变量框中选择一个变量，单击中间的箭头按钮，将它移到右边“行”框中，作为行变量；选择另一个变量，单击中间的箭头按钮，将它移到右边“列”框中，作为列变量。 4．单击“统计量”按钮，打开“统计量”对话框，选中“卡方”复选项，如图11-7 所示。单击“继续”按钮，返回主对话框。 5．单击“确定”按钮，执行SPSS 命令。
卫生统计学第七章卡方检验 十
卫生统计学第七章卡方检验十 一、题型：A1 题号：1 本题分数：2 四格表资料两样本率比较的χ2检验，正确的一项为 A．χ2值为两样本率比较中u值 B．P<α前提下，χ2值越大，越有理由拒绝H0 C．χ2值大小与样本含量无关 D．每个格子的理论频数与实际频数的差值相等 E．χ2检验只能进行单侧检验 正确答案：B 答案解析：根据专业知识确定四格表资料两样本率比较的χ2检验采用单侧检验或是双侧检验，(也可使用四格表专用公式)，可以证明四格表计算得出的χ2值与正态近似法两率比较中u值的平方相等，其大小与样本含量有关，且每个格子的理论频数与实际频数的差的绝对值相等，P<α前提下，自由度一定时，χ2值越大，P值越小，越有理由拒绝H0，故答案为B。 做答人数:0
做对人数:0 所占比例: 0 题号：2 本题分数：2 下列能用χ2检验的是 A．成组设计的两样本均数的比较 B．配对设计差值的比较 C．多个样本频率的比较 D．单个样本均数的比较 E．多个样本均数的比较 正确答案：C 答案解析：χ2检验可用于率或构成比比较的假设检验中，不适宜于均数的比较。 做答人数:0 做对人数:0 所占比例: 0 题号：3 本题分数：2 行×列表的自由度是 A．行数-1 B．列数-1
C．行数×列数 D．(行数-1)×(列数-1) E．样本含量-1 正确答案：D 答案解析：行×列表中，行的自由度=行数-1，列的自由度=列数-1，行×列二维表资料的χ2统计量所对应的自由度=(行数-1)×(列数-1)。做答人数:0 做对人数:0 所占比例: 0 题号：4 本题分数：2 四个百分率做比较，有一个理论数小于5，其他都大于5，则 A．只能做校正χ2检验 B．不能做χ2检验 C．直接采用行×列表χ2检验 D．必须先做合理的合并 E．只能做秩和检验 正确答案：C 答案解析：四个百分率做比较，资料可整理为4×2的行×列表，多个率比较的行×列表资料不适宜采用秩和检验，当满足行×列表资料
卡方检验
Stata第六章卡方检验 本节STATA命令摘要 [by分层变量名:]tab2变量1变量2[,allchi2exactcellcolumnrow] tabi#11#12[...]\[#21#22[...][\...][,allchi2exactcellcolumnrow] ?列联表分析 STATA命令： [by分层变量:]tab2变量1变量2[， allchi2lichi2exactcellcolumnrow] 上述命令中，变量1为行计数变量；变量2为列计数变量；all表示卡方(c2)检验，似然比(likelihoodratio)检验以及一些统计描述指标和检验，但不包括Fisher精确检验；exact表示Fisher精确检验；chi2表示c2检验；lichi2表示likelihoodratio检验；cell表示输出的列联表中显示每个观察计数值占该列联表总观察计数值的比例；row表示输出的列联表中显示每个观察计数值占该观察计数值所在行的各观察计数值总数的比例；coloumn表示输出的列联表中显示每个观察计数值占该观察计数值所在的列各观察计数值总数的比例。例：某地调查肝癌病人与健康人饮用“醋冷水”(一种以冷水和醋为主要成分的饮料)的习惯。用group=1表示肝癌组患者和group=2表示健康人；用custom=1表示经常饮用醋冷水；custom=2表示偶尔饮用醋冷水和custom=3表示从不饮用醋冷水。具体资料为：(摘自医学统计方法，金丕焕主编，p163)。
组别经常偶尔从不饮用合计肝癌组26442898 健康组28491794 合计549345192 显然这是一个病例对照研究，所以每组人数是人为确定的，因此只需计算各组"经常"，"偶而"和"从不饮用"占本组的频数以及检验患肝癌是否与饮水习惯有关。 tab2groupcustom,rowchi2 ->tabulationofgroupbycustom |custom group|123|Total -----------+--------------------------------------------+---------- 1|①264428|98 |②26.5344.9028.57|100.00 -----------+--------------------------------------------+---------- 2|③284917|94 |④29.7952.1318.09|100.00 -----------+--------------------------------------------+---------- Total|⑤549345|192 |⑥28.1248.4423.44|100.00 Pearsonchi2(2)=2.9497Pr=0.229 ①该行表示第一组(肝癌组)的3个观察数；②该行表示第一组的各个观察数的
第十章 卡方检验..
第十章χ2检验 χ检验的原理 第一节2 χ检验的假设 一、2 （一）分类相互排斥，互不包容 2 χ检验中的分类必须相互排斥，这样每一个观测值就会被划分到一个类别或另一个类别之中。此外，分类必须互不包容，这样，就不会出现某一观测值同时划分到更多的类别当中去的情况。 （二）观测值相互独立 各个被试的观测值之间彼此独立，这是最基本的一个假定。如一个被试对某一品牌的选择对另一个被试的选择没有影响。当同一被试被划分到一个以上的类别中时，常常会违反这个假定。 当讨论列联表时，独立性假定是指变量之间的相互独立。这种情况下，这种变量的独立性正在被检测。而观测值的独立性则是预先的一个假定。 （三）期望次数的大小 每一个单元格中的期望次数应该至少在5以上。一些更加谨慎的统计学家提出了更严格 χ检验时，每一个单元格的期望次数至少不应低于的标准，当自由度等于1时，在进行2 10，这样才能保证检验的准确性。 另外，在许多分类研究中会存在这样一种情况，如自由度很大，有几个类别的理论次数虽然很小，但在给以接受的标准范围内，只有一个类别的理论次数低于1。此时，一个简单的处理原则是设法使每一个类别的理论次数都不要低于1，分类中不超过20%的类别的理论次数可以小于5。在理论次数较小的特殊的四格表中，应运用一个精确的多项检验来避免使χ检验。 用近似的2 χ检验的类别 二、2 （一）配合度检验 配合度检验主要用来检验一个因素多项分类的实际观察数与某理论次数是否接近，这种2 χ检验方法有时也称为无差假说检验。当对连续数据的正态性进行检验时，这种检验又可称为正态吻合性检验。 （二）独立性检验 独立性检验是用来检验两个或两个以上因素各种分类之间是否有关联或是否具有独立 χ检验适用于探讨两个变量之间是否具有关联（非独立）或无关（独性的问题。这种类型的2
卡方检验
卡方（2χ）检验 常用于检验两个或多个样本率（或构成比）之间有无差别，也用于检验配对计数资料的 差异等。 （一）四格表资料的卡方检验 [例7-30] 某医院用甲、乙两种药物治疗十二指肠球部溃疡，结果见表7-12，试问两种药物疗效有无差别？ 表7-12 两种药物治疗十二指肠球部溃疡效果比较 组 别 愈合人数 未愈合人数 合计 愈合率（%） 甲 75（a ） 25（b ） 100（a +b ） 75.00 乙 合 计 50（c ） 30（d ） 80（c +d ） 62.50 125 55 180（n ） 69.44 1.四格表2χ检验的基本公式为： ∑ -=T T A 2 2 )(χ （公式7-44） （1）建立假设，确定检验水准 H 0：π1=π2，即两组愈合率相同； H 1: π1≠π2，即两组愈合率不同； α=0.05 （2）计算理论数RC T n n n T C R RC = （公式7-45） 表7-13 两种药物治疗十二指肠球部溃疡效果比较 组 别 愈合人数 未愈合人数 合计 愈合率（%） 甲 75（69.44） 25（30.56） 100 75.00 乙 合 计 50（55.56） 30（24.44） 80 62.50 125 55 180 69.44 （3）计算检验统计量2χ值 按公式7-44计算： =3.27 （4）确定P 值 ν=（R-1）（C-1）。 本例ν=（2-1）（2-1）=1，查2χ界值表，2105.0，χ=3.84，2 1,1.0χ=2.71，故0.1＞P ＞0.05。 （5）做出推断结论 按α=0.05水准，不拒绝H 0，差异无统计学意义。还不能认为两种药物治疗十二指肠球部溃疡疗效有差别。 2.四格表的专用公式 四格表资料还可用专用公式求2χ值。 44 .24)44.2430(56.55)56.5550(56.30)56.3025(44.69)44.6975()(2 22222 -+ -+-+-=-=∑T T A χ
SPSS17.0在生物统计学中的应用-实验七-卡方检验
SPSS在生物统计学中的应用 ——实验指导手册 实验七：卡方检验 一、实验目标与要求 1．帮助学生深入了解卡方检验的基本概念，掌握卡方检验的基本思想和原理 2．掌握卡方检验的过程。 二、实验原理 卡方检验适用于次数分布的检验，比如次数分布是否与某种理想的分布一致，或者不同样本同类测量分 数次数分布是否一致。对于前者，先要确定一个理想的次数分布比例，然后将观测的某一次数分布与其比较， 确定二者的差异性，并用X2来反映。X2 越小，则差异越小，该样本的观测分布越有可能适合于理想分布； X2 越大，则差异越大，其服从于理想分布的可能性就越小。当服从理想分布的伴随概率小于0.05时，就认为该次数分布与理想的分布有显著性差异。 不同样本中测量分数的次数分布使用卡方检验时，如果卡方足够大，该观测在两个样本中的次数分布服 从于同一总体的概率小于0.05时，则认为样本间存在显著性差异。 三、实验演示内容与步骤 ㈠适合性检验 比较观测数与理论数是否符合的假设检验(compatibility test),也称吻合性检验或拟合优度检验(goodness of fit test).。 【例】有一鲤鱼遗传试验,以红色和青灰色杂交,其F2代获得不同分离尾数,问观测值是否符合孟德尔3:1遗传定律. 体色青灰色红色总数 F2观测尾数1503 99 1602 1. 定义变量：
2. 输入变量值 3. 选择菜单1：点击菜单【数据】→【加权个案】→弹出“加权个案”对话框 → 4. 选择菜单2：点击菜单【分析】→【非参数检验】→【卡方】→弹出“卡方检验”对话框
点击【选项】按钮，弹出“卡方检验：选项”对话框，选择“描述性”，点击【继续】 点击【确定】在输出结果视图中看分析结果 基本统计量 Descriptive Statistics N Mean Std. Deviation Minimum Maximum 观测尾数1602 1416.24 338.172 99 1503 观测尾数 Observed N 实测频数Expected N 理论频数 Residual 偏差 99 99 400.5 -301.5 1503 1503 1201.5 301.5 Total 1602 Test Statistics 观测尾数 Chi-Square 卡方值302.629a df 1 Asymp. Sig. .000 a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 400.5.
第八章卡方检验
第八章
2 χ 检验
次数资料分析
上一张 下一张 主 页
退 出
第一节
性别 男 女
卡方检验的意义和原理
理论次数 T 50 50 100
实际次数 A 51 49 100
问男女比例是否符合1：1， 即与1：1性别比差异是否显著。 性别比差异是否显著。
χ =
2
∑
A—实际次数
(A ? T) T
2
T—理论次数
χ2是度量实际观察次数与理 论次数偏离程度的一个统计量， 论次数偏离程度的一个统计量， χ2越小， 越小，表明实际观察次数与理 论次数越接近； 论次数越接近； χ2 =0，表示两 者完全吻合； 者完全吻合； χ2越大， 越大，表示两者 相差越大。 相差越大。
上一张 下一张 主 页 退 出
在对次数资料进行χ2检验利用连续型随 机变量χ2分布计算概率时， 分布计算概率时，常常偏低， 常常偏低，特 别是当自由度为1时偏差较大。 时偏差较大。 Yates(1934)提出了一个矫正公式， 提出了一个矫正公式，矫正 后的χ2值记为
χ =∑
2 c
( A ? T ? 0.5) T
2
上一张 下一张 主 页
退 出
当自由度大于1时，χ2分布与连续型随机 变量χ2分布相近似 ，这时， 这时，可不作连续性矫 正 ， 但 要 求各组内的理论次数不小于5。若 某组的理论次数小于5，则应把它与其相邻的 一组或几组合并， 一组或几组合并，直到理论次数大 于5 为 止。