参数和非参数统计检验：参数检验：通常会作出有关总体分布形态和其他总体参数的假设，旨在对特定总体参数(如μ)进行假设检验，依赖于特定分布类型，比较的是参数。非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验，由于不涉及总体分布的参数，故名非参数检验。
拟合优度的卡方检验： 主要使用样本数据检验有关总体分布形态或比例的假说。检验决定所获得的样本比例与虚无假设中的总体比例的拟合程度。（类似单样本t检验）
拟合优度的卡方检验的虚无假设：无偏好、等比例假设；在已知总体中没有差别（一个总体中的比例与另一个总体中的比例是没有差别的）。备注假设：因为虚无假设假定总体服从特定分布，备择假设假设总体分布与中设定的不同。
实际频数：被分入每个特定类别的样本的数量，每个个体只能在一个类别中。期望频数：每一类型的期望频数是由虚无假设中的比例和样本量n预测的，是一个理想的、假设性的样本分布。样本的比例只有与虚无假设中指定的总体比例完全一致时，才能得到上述的样本分布。
卡方统计公式： ；
实际频数；
期望频数
计算自由度： df=C-1 ， C:类别数量
报告卡方值：
拟合优度卡方检验和单样本t检验:卡方检验不需要总体正态，不需要数据为数值型（等距等比数据）。适合分类数据（称名或顺序数据）。
独立性卡方检验：（两个及两个因素以上）
；
实际频数；
期望频数
计算自由度： df=(R-1)(C-1) ；R是行数；C是列数
独立性卡方检验和皮尔逊相关的区别：如果数据如a所示，可以使用皮尔逊相关，如果如b所示，数据是频数，就用独立卡方检验。
卡方检验与独立性t检验和方差分析的区别：数据a中，学业成绩分为高低两组，自尊分数为等比等差数据，用独立性t检验，b中分三组，用方差分析。如果两个变量都是分类变量，如B1（上图b），用独立性卡方检验。
效应量测量：
Φ系数：当独立性卡方检验的数据是2×2的矩阵时，可以计算Φ系数(Φ相关)。解释Φ与解释
标签：总体,频数,15,独立性,优度,检验,拟合,卡方 来源： https://blog.csdn.net/weixin_43560356/article/details/118443578
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。