一致性和卡方检验的标准

一致性检验和卡方检验是统计分析中常用的方法，用于验证数据是否符合某种分布或模型。以下是关于这两种检验的一些标准：

一致性检验（Goodness-of-Fit Test）：

1. 原假设（null hypothesis）：数据符合预期的分布或模型。

2. 备择假设（alternative hypothesis）：数据不符合预期的分布或模型。

3. 显著性水平（significance level）：在进行假设检验时所设定的阈值，一般取0.05或0.01。

4. 统计量（test statistic）：根据所选的检验方法而定，可以是卡方统计量、Kolmogorov-Smirnov统计量等。

5. 拒绝域（critical region）：当统计量的计算结果落入拒绝域时，拒绝原假设。

6. P值（p-value）：统计量的概率分布中，大于等于观察到的统计量的概率。如果P值小于设定的显著性水平，则拒绝原假设。

卡方检验（Chi-square Test）：

1. 原假设：两个变量之间不存在关联或者两个变量之间的分布相同。

2. 备择假设：两个变量之间存在关联或者两个变量之间的分布不同。

3. 自由度（degrees of freedom）：与变量的独立自由度和相关性的自由度有关。

4. 临界值（critical value）：根据显著性水平和自由度查表获取，当统计量大于临界值时，拒绝原假设。

5. 卡方统计量（chi-square statistic）：根据所选的检验方法计算得出。

6. P值：根据卡方分布，计算得出的比观察到的卡方统计量更极端的值出现的概率。如果P值小于设定的显著性水平，则拒绝原假设。

请注意，标准和具体计算方法可能会因具体情况而异，具体应用时应参考相关文献或统计软件的指导。

1.随机样本数据； 2.卡方检验的理论频数不能太小。两个独立样本比较可以分以下3种情况： 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n≥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。上述是适用于四格表。 R×C表卡方检验应用条件： 1.R×C表中理论数小于5的格子不能超过1/5； 2.不能有小于1的理论数。我的实验中也不符合R×C表的卡方检验。可以通过增加样本数、列合并来实现。