Python 列表索引超出范围-卡方检验

在此处输入代码

我创建了LCG生成器，并尝试对unimormity进行卡方检验

从生成器中，我选择100个随机数：

np.seterr(over='ignore')

a = np.uint32(1664525)
c = np.uint32(1013904223)
seed = np.uint32(1)

rng = LCG(seed, a, c)
q = [rng.next() for _ in range(0, 100)]
print(q)
data_set = q 

接下来，我尝试用这种方法进行卡方检验：

def chi_square_uniformity_test():

chi_sq_value = 0.0
num_samples = 10000
degrees_of_freedom = num_samples - 1
data_set
observed_val = 1 

expected_val = num_samples/10

for observed_val in data_set:

    chi_sq_value += ( pow((expected_val - data_set[observed_val]), 2)/expected_val )

return chi_sq_value

它给出了以下错误-

IndexError                                Traceback (most recent call last)
<ipython-input-43-675902c0a85e> in <module>
----> 1 chi_square_uniformity_test()

<ipython-input-42-3960c5593af3> in chi_square_uniformity_test()
     30     for observed_val in data_set:
     31         #print "Observed value is: " + observed_val
---> 32         chi_sq_value += ( pow((expected_val - data_set[observed_val]), 2)/expected_val )
     33 
     34     # Coming out of this loop, we'll have a chi-squared test statistic

IndexError: list index out of range

索引器错误回溯（最近一次调用）
在里面
---->1卡方均匀性试验（）
卡方均匀性检验（）
30对于数据集中的观测值：
31#打印“观察值为：“+观察值”
--->32 chi_sq_值+=（pow（（预期值-数据集[观察值]），2）/预期值）
33
34#从这个循环中，我们将得到卡方检验统计数据
索引器：列表索引超出范围

对于数据集中的观察值：

迭代

数据集

的各个元素，而不是它们的索引，因此

数据集[观察值]

尝试使用

数据集

的一个元素对

数据集

进行索引，而该索引可能不存在

例如：

>>> for x in [1000]:
...  print(x)  # x == 1000
...  print([1000][x])  # index 1000 clearly doesn't exist
... 
1000
Traceback (most recent call last):
  File "<stdin>", line 3, in <module>
IndexError: list index out of range

chi_sq_value += ( pow((expected_val - observed_val), 2)/expected_val )