Python scipy.stats.chi2_独立性测试偶然性产生的p值
用于测试两个特征是否独立, H0:A和B是独立的 H1:A和B是独立的 p<0.05,则A和B是依赖性的 在尝试下面的代码时,很明显这两个数组是相互依赖的(它们是相同的数组) 我得到以下结果:Python scipy.stats.chi2_独立性测试偶然性产生的p值,python,machine-learning,statistics,chi-squared,Python,Machine Learning,Statistics,Chi Squared,用于测试两个特征是否独立, H0:A和B是独立的 H1:A和B是独立的 p0.05,因此我们接受两个数组相互独立的零假设 是我的假设错了还是生成了1-p值?您得到的计算是正确的。这只意味着您拥有的变量是独立的,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事件的发生 在您的示例中,所有概率值都是相同的,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) 它读取给定事件B的事件A的概率与A的概率相同,因为A和B是独
(0.0, 1.0, 2, array([[10., 10., 10.],
[10., 10., 10.]]))
i、 e.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
是我的假设错了还是生成了1-p值?您得到的计算是正确的。这只意味着您拥有的变量是独立的,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事件的发生 在您的示例中,所有概率值都是相同的,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)
它读取给定事件B的事件A的概率与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 | A)是相同的,因为A和B是基于chisq统计的独立的
“独立测试”有一个“错误的名称”。实际上,该测试应命名为“依赖性测试”,其中:
H0:如果p_值 P(A|B) = P(A) or P(B|A) = P(B)