scipy.stats.chi2_contingency为独立测试生成的P值

Question

为了测试两个特性是否独立，H0: A和B是独立的，H1: A和B是依赖的。

P< 0.05，则A和B相互依赖

在尝试下面的代码时，很明显这两个数组是相依的(它们是相同的数组)

obs = np.array([[10, 10, 10], [10, 10, 10]])
scipy.stats.chi2_contingency(obs)

我得到以下结果：

(0.0, 1.0, 2, array([[10., 10., 10.],
        [10., 10., 10.]]))

即p值为1.0 > 0.05，因此我们接受两个数组相互独立的零假设。

是否有一个假设我错了，还是它产生了1-p值？

Answer 1

你得到的计算是正确的。它只意味着您拥有的变量是独立的，并且没有关联或相互连接。事件的独立性意味着它不会影响或影响另一个事件的发生。

在您的示例中，所有的概率值都是相同的，因此就概率而言，获取事件A的事件不依赖于另一个事件B。

  P(A|B) = P(A)  or P(B|A) = P(B)

它读取事件A的概率，给定事件B与A的概率相同，因为A和B是独立的。因此，P(A)，P(B)，P(A=B)和P(B)是相同的，因为A和B是独立于chisq统计量的。

Answer 2

我的观点..。

“独立测试”有一个“错误的名字”。实际上，该测试应该命名为“依赖测试”，其中：

H0:如果p_value < treshold，则不依赖->保持

H1:依赖

其中阈值为“重要程度”，通常为alpha = 0.05

因此，[1，50，50，50]给出的p值接近于1，而随机矩阵则使p值接近0。