卡方檢驗

卡方檢驗的定義

卡房檢驗可以來檢驗兩個因素的關聯性，但是不能直接表示出關聯的強弱，常見的2x2卡方和列聯表組合。
卡方檢驗是一種非參數檢驗方法。 相對來說，非參數檢驗對數據分布的要求比較寬松，並且也不要求太大數據量。 卡方檢驗是一種對計數資料的假設檢驗方法，主要是比較理論頻數和實際頻數的吻合程度。 常用於特征選擇，比如，檢驗男人和女人在是否患有高血壓上有無區別，如果有區別，則說明性別與是否患有高血壓有關， 在后續分析時就需要把性別這個分類變量放入模型訓練。
基本數據有R行C列, 故通稱RC列聯表(contingency table), 簡稱RC表， 它是觀測數據按兩個或更多屬性（定性變量）分類時所列出的頻數表。

卡方檢驗的誤區

1. 樣本量大於40
2. 樣本的期望頻數小5的比例少於20%

python卡房檢驗的使用

殺蟲效果	甲	乙	丙
死亡數	37	49	23
未死亡數	150	100	57

import numpy as np
from scipy.stats import chi2_contingency
d = np.array([[37, 49, 23], [150, 100, 57]])
chi2_contingency(d)

輸出為：

(7.6919413561281065,
0.021365652322337315,
2,
array([[ 48.99759615, 39.04086538, 20.96153846],
[ 138.00240385, 109.95913462, 59.03846154]]))

第一個值為卡方值，第二個值為P值，第三個值為自由度，第四個為與原數據數組同維度的對應理論值

對於RC鏈表可以參考如下的方法