卡方检验案例

文章通过一个案例展示了如何使用卡方检验来判断性别是否影响购买某商品。通过对数据进行计算,得出购买商品的人占57.7%,并构建理论分布表。接着计算卡方值为9.4545,与查表得到的临界值3.8415比较,得出购买商品与性别存在关联的结论。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

卡方检验案例

卡方检验可以用于检验两个变量之间是否有关系,也就是常说的四格表。
例如:探究性别对购买某商品的影响,数据见下表

总计
24060300
不买15070220
总计390130520

从上表可以算出,购买商品的人占总人数:300520×100%=57.7%\frac{300}{520}\times100\%=57.7\%520300×100%=57.7% 不购买商品的人占总人数 42.3%42.3\%42.3%;所以理论上购买商品的人数如下表:

总计
390×57.7%=225390\times57.7\%=225390×57.7%=22575300
不买16555220
总计390130520

计算自由度n=(2−1)×(2−1)=1n=(2-1)\times(2-1)=1n=(21)×(21)=1 实际上确定表格中四个值的一个就能得出全部,所以能自由选择的数是1,即自由度是1。
计算卡方值X2(1)=(240−225)2225+(150−165)2165+(60−75)275+(70−55)255=9.4545\mathcal{X}^2(1)=\frac{(240-225)^2}{225}+\frac{(150-165)^2}{165}+\frac{(60-75)^2}{75}+\frac{(70-55)^2}{55}=9.4545X2(1)=225(240225)2+165(150165)2+75(6075)2+55(7055)2=9.4545
假设置信度p=95%p=95\%p=95% ,即 P(X2(1)≤Xp2(1))=95%=0.95P(\mathcal{X}^2(1)\leq\mathcal{X}_p^2(1))=95\%=0.95P(X2(1)Xp2(1))=95%=0.95 查表发现 Xp2(1)=3.8415\mathcal{X}_p^2(1)=3.8415Xp2(1)=3.8415 因为原假设为与性别没关系,此时X2(1)=9.4545>3.8415=Xp2(1)\mathcal{X}^2(1)=9.4545>3.8415=\mathcal{X}^2_p(1)X2(1)=9.4545>3.8415=Xp2(1)故购买某商品与性别有关系。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梦什

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值