建站
咨詢
售后
建站咨詢
新聞中心
卡方檢驗(yàn)是一種確定兩個(gè)分類變量之間是否存在顯著相關(guān)性的統(tǒng)計(jì)方法。 這兩個(gè)變量應(yīng)該來(lái)自相同的人口，他們應(yīng)該是類似 - 是/否，男/女，紅/綠等。
創(chuàng)新互聯(lián)專業(yè)為企業(yè)提供伍家崗網(wǎng)站建設(shè)、伍家崗做網(wǎng)站、伍家崗網(wǎng)站設(shè)計(jì)、伍家崗網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁(yè)設(shè)計(jì)與制作、伍家崗企業(yè)網(wǎng)站模板建站服務(wù)，十載伍家崗做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。
例如，我們可以建立一個(gè)觀察人們的冰淇淋購(gòu)買模式的數(shù)據(jù)集，并嘗試將一個(gè)人的性別與他們喜歡的冰淇淋的味道相關(guān)聯(lián)。 如果發(fā)現(xiàn)相關(guān)性，我們可以通過了解訪問的人的性別的數(shù)量來(lái)計(jì)劃適當(dāng)?shù)奈兜缼?kù)存。
語(yǔ)法
用于執(zhí)行卡方檢驗(yàn)的函數(shù)是
chisq.test()。
在r語(yǔ)言中創(chuàng)建卡方檢驗(yàn)的基本語(yǔ)法是 -
chisq.test(data)
以下是所使用的參數(shù)的描述 -
-
data是以包含觀察中變量的計(jì)數(shù)值的表的形式的數(shù)據(jù)。
例
我們將在“MASS”圖書館中獲取Cars93數(shù)據(jù)，該圖書館代表1993年不同型號(hào)汽車的銷售額。
library("MASS")
print(str(Cars93))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
'data.frame': 93 obs. of 27 variables: $ Manufacturer : Factor w/ 32 levels "Acura","Audi",..: 1 1 2 2 3 4 4 4 4 5 ... $ Model : Factor w/ 93 levels "100","190E","240",..: 49 56 9 1 6 24 54 74 73 35 ... $ Type : Factor w/ 6 levels "Compact","Large",..: 4 3 1 3 3 3 2 2 3 2 ... $ Min.Price : num 12.9 29.2 25.9 30.8 23.7 14.2 19.9 22.6 26.3 33 ... $ Price : num 15.9 33.9 29.1 37.7 30 15.7 20.8 23.7 26.3 34.7 ... $ Max.Price : num 18.8 38.7 32.3 44.6 36.2 17.3 21.7 24.9 26.3 36.3 ... $ MPG.city : int 25 18 20 19 22 22 19 16 19 16 ... $ MPG.highway : int 31 25 26 26 30 31 28 25 27 25 ... $ AirBags : Factor w/ 3 levels "Driver & Passenger",..: 3 1 2 1 2 2 2 2 2 2 ... $ DriveTrain : Factor w/ 3 levels "4WD","Front",..: 2 2 2 2 3 2 2 3 2 2 ... $ Cylinders : Factor w/ 6 levels "3","4","5","6",..: 2 4 4 4 2 2 4 4 4 5 ... $ EngineSize : num 1.8 3.2 2.8 2.8 3.5 2.2 3.8 5.7 3.8 4.9 ... $ Horsepower : int 140 200 172 172 208 110 170 180 170 200 ... $ RPM : int 6300 5500 5500 5500 5700 5200 4800 4000 4800 4100 ... $ Rev.per.mile : int 2890 2335 2280 2535 2545 2565 1570 1320 1690 1510 ... $ Man.trans.avail : Factor w/ 2 levels "No","Yes": 2 2 2 2 2 1 1 1 1 1 ... $ Fuel.tank.capacity: num 13.2 18 16.9 21.1 21.1 16.4 18 23 18.8 18 ... $ Passengers : int 5 5 5 6 4 6 6 6 5 6 ... $ Length : int 177 195 180 193 186 189 200 216 198 206 ... $ Wheelbase : int 102 115 102 106 109 105 111 116 108 114 ... $ Width : int 68 71 67 70 69 69 74 78 73 73 ... $ Turn.circle : int 37 38 37 37 39 41 42 45 41 43 ... $ Rear.seat.room : num 26.5 30 28 31 27 28 30.5 30.5 26.5 35 ... $ Luggage.room : int 11 15 14 17 13 16 17 21 14 18 ... $ Weight : int 2705 3560 3375 3405 3640 2880 3470 4105 3495 3620 ... $ Origin : Factor w/ 2 levels "USA","non-USA": 2 2 2 2 2 1 1 1 1 1 ... $ Make : Factor w/ 93 levels "Acura Integra",..: 1 2 4 3 5 6 7 9 8 10 ...
上述結(jié)果表明數(shù)據(jù)集有很多因素變量，可以被認(rèn)為是分類變量。 對(duì)于我們的模型，我們將考慮變量“AirBags”和“Type”。 在這里，我們的目標(biāo)是找出所售的汽車類型和安全氣囊類型之間的任何顯著的相關(guān)性。 如果觀察到相關(guān)性，我們可以估計(jì)哪種類型的汽車可以更好地賣什么類型的氣囊。
# Load the library.
library("MASS")
# Create a data frame from the main data set.
car.data <- data.frame(Cars93$AirBags, Cars93$Type)
# Create a table with the needed variables.
car.data = table(Cars93$AirBags, Cars93$Type)
print(car.data)
# Perform the Chi-Square test.
print(chisq.test(car.data))
當(dāng)我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果 -
Compact Large Midsize Small Sporty Van
Driver & Passenger 2 4 7 0 3 0
Driver only 9 7 11 5 8 3
None 5 0 4 16 3 6
Pearson's Chi-squared test
data: car.data
X-squared = 33.001, df = 10, p-value = 0.0002723
Warning message:
In chisq.test(car.data) : Chi-squared approximation may be incorrect
結(jié)論
結(jié)果顯示p值小于0.05，這表明字符串相關(guān)。
標(biāo)題名稱：創(chuàng)新互聯(lián)R語(yǔ)言教程：R語(yǔ)言卡方檢驗(yàn)
網(wǎng)站路徑：http://www.dlmjj.cn/article/cdeojeo.html
