卡方检验

卡方检验的定义

卡房检验可以来检验两个因素的关联性，但是不能直接表示出关联的强弱，常见的2x2卡方和列联表组合。
卡方检验是一种非参数检验方法。 相对来说，非参数检验对数据分布的要求比较宽松，并且也不要求太大数据量。 卡方检验是一种对计数资料的假设检验方法，主要是比较理论频数和实际频数的吻合程度。 常用于特征选择，比如，检验男人和女人在是否患有高血压上有无区别，如果有区别，则说明性别与是否患有高血压有关， 在后续分析时就需要把性别这个分类变量放入模型训练。
基本数据有R行C列, 故通称RC列联表(contingency table), 简称RC表， 它是观测数据按两个或更多属性（定性变量）分类时所列出的频数表。

卡方检验的误区

1. 样本量大于40
2. 样本的期望频数小5的比例少于20%

python卡房检验的使用

杀虫效果	甲	乙	丙
死亡数	37	49	23
未死亡数	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)

输出为：

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

第一个值为卡方值，第二个值为P值，第三个值为自由度，第四个为与原数据数组同维度的对应理论值

对于RC链表可以参考如下的方法