R？中的标准卡方检验？

我有一个单拷贝区域中4种基因型的观察计数样本。我想做的是计算这些基因型的等位基因频率，然后用卡方检验这些频率与预期值25%:25%:25%:25%的显著偏差

到目前为止，我得到：

> a <- c(do.call(rbind, strsplit(as.character(gdr18[1,9]), ",")), as.character(gdr18[1,8]))
> a
[1] "27" "30" "19" "52"

---

在这种情况下，H0仍然没有被拒绝，即使值与预期的0.25值相差甚远。

observed
observed
observed
observed chisq.test（as.numeric（a））我在原始帖子中添加了一些使用这种方法的试验。这个方法似乎给出了警告。这个方法似乎给出了警告。这个方法似乎给出了警告。这个方法好像有警告，谢谢回答！在该测试中，无效假设是观察值与预期值没有显著差异。p值为0.0003，则否定了这一假设。我对你的3,3,1,9期望感到困惑，你是如何达到这些期望的？观察值的实际比率？我们为什么要这样做？这只是在这样的情况下你应该做什么的一个例子。我不明白为什么我们要按照3:3:1:9的预期进行测试。为什么是3:3:1:9？谢谢你的回答！在该测试中，无效假设是观察值与预期值没有显著差异。p值为0.0003，则否定了这一假设。我对你的3,3,1,9期望感到困惑，你是如何达到这些期望的？观察值的实际比率？我们为什么要这样做？这只是在这样的情况下你应该做什么的一个例子。我不明白为什么我们要按照3:3:1:9的预期进行测试。为什么是3:3:1:9？谢谢你的回答！在该测试中，无效假设是观察值与预期值没有显著差异。p值为0.0003，则否定了这一假设。我对你的3,3,1,9期望感到困惑，你是如何达到这些期望的？观察值的实际比率？我们为什么要这样做？这只是在这样的情况下你应该做什么的一个例子。我不明白为什么我们要按照3:3:1:9的预期进行测试。为什么是3:3:1:9？谢谢你的回答！在该测试中，无效假设是观察值与预期值没有显著差异。p值为0.0003，则否定了这一假设。我对你的3,3,1,9期望感到困惑，你是如何达到这些期望的？观察值的实际比率？我们为什么要这样做？这只是在这样的情况下你应该做什么的一个例子。我不明白为什么我们要按照3:3:1:9的预期进行测试。为什么具体是3:3:1:9？
observed <- c(27,30,19,52)
chisq.test(observed)

> af1 <- as.numeric(a[1])/sum
> af2 <- as.numeric(a[2])/sum
> af3 <- as.numeric(a[3])/sum
> af4 <- as.numeric(a[4])/sum
> af1
[1] 0.2109375
> af2
[1] 0.234375
> af3
[1] 0.1484375
> af4
[1] 0.40625

> p <- c(0.25,0.25,0.25,0.25)
> chisq.test(af, p=p)

        Chi-squared test for given probabilities

data:  af
X-squared = 0.146, df = 3, p-value = 0.9858

Warning message:
In chisq.test(af, p = p) : Chi-squared approximation may be incorrect

> af=c(0.001,0.200,1.0,0.5)
> chisq.test(af, p=p)

        Chi-squared test for given probabilities

data:  af
X-squared = 1.3325, df = 3, p-value = 0.7214

Warning message:
In chisq.test(af, p = p) : Chi-squared approximation may be incorrect

observed <- c(27,30,19,52)
chisq.test(observed)

expected <- sum(observed)*c(3,3,1,9)/16

chisq.test(observed,p=c(3,3,1,9),rescale.p=TRUE)