Python 为卡方检验平滑模拟数据

当我被困在家里的时候，我试着教我的学生有关卡方的知识。我制作了一个视频，它应该是最有帮助的，但是我在制作具有卡方分布特定属性的图形时遇到了困难。形状是正确的，但是有很多噪音。这是模拟数据，所以它永远不会是完全平滑的，但是这有点太多了

我一直在努力平滑数据。我甚至将数据四舍五入到最接近的十分之一，并进行移动平均（k=3），以获得如下所示的图形：

在处理这个问题时，我注意到了一些事情。首先，高峰和低谷似乎发生在可预测的位置。第二，如果没有舍入，曲线图似乎会有规律地在尖峰和低谷之间来回交替。我认为这可能是由于某种二进制精度问题。我试图通过切换到使用numpy进行操作并强制数据浮动来解释这一点。这没有效果

我想知道的是：

如果这个问题是由二进制精度引起的，我怎样才能适当地缓解这个问题

如果不能用这种方法解决这个问题，有没有更好的平滑操作可以使用

谢谢你的帮助。代码如下

# Draw n samples of 25 and get Chi-Square list
chiSqrList = []

n = 100000
sampleSize = 100

j = 0

while j < n:


redTotal = 0
greenTotal = 0
yellowTotal = 0
blueTotal = 0

i = 0

while i < sampleSize:
    x = random.random()
    if x < redLim:
        redTotal += 1
    elif x < greenLim:
        greenTotal += 1
    elif x < yellowLim:
        yellowTotal +=1
    else:
        blueTotal += 1

    i += 1

observedBalls = np.array([redTotal, greenTotal, yellowTotal, blueTotal], dtype=np.float64)
expectedBalls = np.array([sampleSize*redBalls, sampleSize*greenBalls, sampleSize*yellowBalls, sampleSize*blueBalls], dtype=np.float64)


chiSqr = 0


chiSqr = np.power((observedBalls - expectedBalls), 2)/expectedBalls
chiSqr = np.sum(chiSqr)

chiSqr = round(chiSqr, 1)

chiSqrList.append(chiSqr)

j += 1

# Make count data

avgSqrDist = []
count = []

i = 0

for value in chiSqrList:
    if len(avgSqrDist) == 0:
        avgSqrDist.append(value)
        count.append(1)
    elif avgSqrDist[i] != value:
        avgSqrDist.append(value)
        count.append(1)
        i += 1
    else:
        count[i] += 1

# Smooth curve

i = 0
smoothAvgSqrDist = []
smoothCount = []

while i < len(avgSqrDist)-2:
    smoothCount.append((count[i]+count[i+1]+count[i+2])/3)
    smoothAvgSqrDist.append(avgSqrDist[i+1])
    i += 1

#从25个样本中抽取n个样本，得到卡方列表
chiSqrList=[]
n=100000
样本大小=100
j=0
而j

您的代码不可执行。例如，请在开始时查看您的while循环。我认为，您可能希望将此问题带到stats.stackexchange.com，因为它实际上更多地是关于问题的属性。这就是说，也许你可以通过构造一个bin width=1的直方图来得到一个更可行的表示，比如说，你的代码是不可执行的。例如，请在开始时查看您的while循环。我认为，您可能希望将此问题带到stats.stackexchange.com，因为它实际上更多地是关于问题的属性。这就是说，也许你可以通过构造一个宽度为1的柱状图得到一个更可行的表示。