使用python卡方和卡方值表得出的不同结果

我需要通过卡方检验得到p值。 我的节目是：

from scipy.stats import chisquare

c = chisquare([10,4,7,5],ddof=[0,1,2,3])

print(c)

结果是：

Power_divergenceResult(statistic=3.2307692307692308, pvalue=array([ 0.35739509,  0.19881419,  0.07226674,         nan]))

当我尝试使用卡方值表（例如，从这个站点）获得p值时，结果是不同的。 在本例中，使用自由度为1（ddof=0）的python p值为0.35739509，但使用表p值为0.01。

---

您能解释一下为什么结果不同吗？

函数

chisquare

执行，但表格是关于

如果您想使用您需要使用的发行版。特别是，要复制表中的值，请执行以下操作：

import scipy as sp

p = 0.1
df = 5

x = sp.stats.chi2.ppf(1-p, df=df)
print(x)  # 9.23635689978

要得到给定x和自由度的p值：

p = 1 - sp.stats.chi2.cdf([10,4,7,5], df=[0,1,2,3])
print(p)  
# [        nan  0.04550026  0.03019738  0.17179714]

---

注意，该表将p定义为概率密度函数上从x到无穷大的积分。scipy中的累积密度函数是从0到x的积分。因此，

p=1-cdf

要得到p值，我到底要做什么？@LOGA scipy：您需要将

x

和

df

传递到

cdf

函数，并取1减去结果（参见第二个代码示例）。表：在与df相对应的行中查找与x最接近的值，并从列顶部获取p值。（我已经更新了示例以使用您问题中的值。）为什么它仍然返回四个值？df=1时，python返回[nan………]四个输入值->四个输出值。df=1返回nan是什么意思？首先我要计算这个列表的平方比[10,4,7,5]，然后我要用平方比计算p值。它将显示意义的分布是否不同于[6.5,6.5,6.5,6.5,6.5]（当所有意义的p值相等时）。我只需要一个p值来比较，如果它大于0.5，那么这个数字列表的分布不好，或者小于0.5，那么它就有好的分布。