从‘吃药是否管用’到‘广告点击分析’:一文搞懂卡方检验的底层逻辑与Python实现
卡方检验是统计学中用于分析分类变量之间关系的重要工具。无论是医学研究中的药物效果评估,还是市场营销中的广告点击率分析,卡方检验都能帮助我们判断观察到的差异是否具有统计学意义。本文将带你深入理解卡方检验的数学原理,并通过Python代码实现从零开始的计算过程。
1. 卡方检验的基本概念
卡方检验(Chi-Square Test)是一种用于检验分类变量之间独立性的统计方法。它的核心思想是比较观察到的频数与理论期望频数之间的差异。这种差异越大,说明变量之间的关系越强。
想象你是一家电商平台的数据分析师,想要了解不同性别用户对两种促销活动的响应是否有显著差异。你收集了以下数据:
| 性别 | 活动A响应 | 活动B响应 | 总计 |
|---|---|---|---|
| 男性 | 120 | 80 | 200 |
| 女性 | 90 | 110 | 200 |
| 总计 | 210 | 190 | 400 |
卡方检验可以帮助你判断性别与活动偏好之间是否存在统计学上的关联。
1.1 理论频数的计算
理论频数是在变量独立的假设下,我们期望观察到的频数。计算公式为:
code复制理论频数 = (行总计 × 列总计) / 总计
对于上表中的男性对活动A响应的理论频数:
code复制(200 × 210) / 400 = 105
1.2 卡方统计量
卡方统计量衡量观察频数与理论频数之间的差异:
code复制χ² = Σ[(观察频数 - 理论频数)² / 理论频数]
这个值越大,说明观察数据与独立假设的偏离越大。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Python实现卡方检验
现在让我们用Python从头实现卡方检验的计算过程。我们将使用numpy和pandas库来处理数据。
2.1 准备数据
首先,我们创建一个包含观察频数的数据框:
python复制import pandas as pd
import numpy as np
observed = pd.DataFrame({
'活动A': [120, 90],
