R 如何使用chisq.test（）正确进行卡方检验？

我正在尝试对拟合优度进行皮尔逊卡方检验。以下是拟合泊松分布的示例：

data <- rpois(200,50)
estimate <- mean(data)
freq.os<-table(data)
yfit <- dpois(as.integer(names(freq.os)), estimate)

chisq.test(x = freq.os, p = yfit)
# Error in chisq.test(x = freq.os, p = yfit) : probabilities must sum to 1.

---

但是我很困惑

chisq.test（）

是如何工作的，因为它告诉我

df=429

。我认为

df=n-k-1

，在这种情况下应该是35，其中

k=1

表示lambda和

n=number

项的平方和。我哪里做错了？

上面的评论建议您手动重新缩放

yfit

，然后再将其传递给

chisq.test

。实际上，您可以让

chisq.test（）

为您执行以下操作：

chisq.test(x = freq.os, p = yfit, rescale.p = TRUE)

---

关于您的编辑

chisq.test(freq.os, yfit)

不正确，因为它正在进行独立性测试

chisq.test（）

可以执行两个统计测试：

拟合优度检验，使用参数

x

和

p

独立性测试，使用参数

x

和

y

请仔细阅读chisq.test。对于拟合优度测试，必须像最初一样在函数中使用

p

参数。我上面的答案是，使用

rescale.p=TRUE

将帮助您绕过所看到的错误

---

如何进行Pearson卡方检验

chisq.test(freq.os, yfit)

你说你不知道测试是如何完成的，然后读这部分

您应该使用

set.seed（）

，这样当其他人运行您的代码时，他们会得到与您相同的随机数。以下是一个可复制的示例：

N <- 200    ## number of samples
set.seed(0)    ## fix random seed for reproducibility
x <- rpois(N,50)    ## generate sample
lambda <- mean(x)    ## estimate mean

---

你可以看到，结果是一样的。

确实需要一个，但一般来说，得到向量/数字和的方法是将每个项除以和。例如，

x=c（0.1,0.2,0.3）；y=x/和（x）；求和（y）

这是一个经验频率向量：4141731793075168221881547195042534260726472652245206160813841006732518383239584612912121。好吧，我肯定是做错了什么，我误解了这个函数的用法，认为p=假设分布的预期频率。如果我有一个预期频率和经验频率的向量，我如何使用这个函数？谢谢，你的建议奏效了。但是我仍然对chisq.test的工作原理感到困惑，我添加了可复制的示例。我试着看了一遍源代码，但是因为我对R和编程都是新手，所以一切看起来都非常棒，非常感谢。我记得读到dof应该是n-k-1，其中k是估计参数的个数。既然你估计了lambda值，自由度不应该是29而不是30吗？

O <- table(x)    ## contingency table / observed frequency
n <- length(O)    ## number of categories
# 31
x0 <- as.integer(names(O))    ## unique sample values
p <- dpois(x0, lambda); p <- p / sum(p)    ## theoretical probability under Null Hypothesis

E <- p * N    ## expected frequency under Null Hypothesis
R <- (O - E) / sqrt(E)    ## standardised residuals
X <- sum(R * R)    ## Chi-square statistic
# 36.13962
dof <- n - 1    ## degree of freedom
# 30
p.value <- 1 - pchisq(X, df = dof)    ## p-value
# 0.2035416

z <- curve(dchisq(x, df = dof), from = 0, to = 100)
abline(v = X, lty = 3)
polygon(c(X, X, z$x[z$x > X]), c(0, dchisq(X, df = dof), z$y[z$x > X]), col = 2)

chisq.test(O, p = p)

#Chi-squared test for given probabilities

#data:  O
#X-squared = 36.14, df = 30, p-value = 0.2035