卡方检验什么情况下用确切概率法
请教一个fisher确切概率法和卡方检验的问题?？
1.随机样本数据🐖*❄——😤♦；2.卡方检验的理论频数不能太小.两个独立样本比较可以分以下3种情况🦣_🎏🦘：1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.3.如果有理论数T＜1或n＜40,则用Fisher’s检验.上述是适用于四格表.R×C表等会说*_🪡。
Fisher确切概率法由R.A. Fisher于1934年提出（方差分析也有Fisher提出）🐅-🎀，基本思想🦥🎨————🎎🦓：在固定各边缘和的条件下🧵-🐫，基于超几何分布理论🙀————🦅，计算任意一种特定排列的条件概率🐄|*🌵，该方法不属于卡方检验知识范畴*——|🕊🐐，但作为卡方检验的补充检验方法🎎🐤_——😄🍀，经常用到🌳🦘-🐺😅。其基本思想是在四格表周边合计数T1🎲-|🦒、T2🦔_🎴、T3🐜-_🎱、T4不变的条件下说完了🌼-🦚。
1.随机样本数据🐖*❄——😤♦；2.卡方检验的理论频数不能太小.两个独立样本比较可以分以下3种情况🦣_🎏🦘：1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.3.如果有理论数T＜1或n＜40,则用Fisher’s检验.上述是适用于四格表.R×C表等会说*_🪡。
Fisher确切概率法由R.A. Fisher于1934年提出（方差分析也有Fisher提出）🐅-🎀，基本思想🦥🎨————🎎🦓：在固定各边缘和的条件下🧵-🐫，基于超几何分布理论🙀————🦅，计算任意一种特定排列的条件概率🐄|*🌵，该方法不属于卡方检验知识范畴*——|🕊🐐，但作为卡方检验的补充检验方法🎎🐤_——😄🍀，经常用到🌳🦘-🐺😅。其基本思想是在四格表周边合计数T1🎲-|🦒、T2🦔_🎴、T3🐜-_🎱、T4不变的条件下说完了🌼-🦚。
要求样本含量应大于40且每个格子中的理论频数不应小于5😳_|🦉🐺。当样本含量大于40但理论频数有小于5的情况时卡方值需要校正🙂——_🌗，当样本含量小于40时只能用确切概率法计算概率🐍_🌻😔。行X列表资料的卡方检验行X列表资料的卡方检验用于多个率或多个构成比的比较🙀🐈__🦈🌺。1. 专用公式🐤🐩||🐒🌲：r行c列表资料卡方检验的卡方值=n[(A11/n到此结束了？🦂🥅_——🌳🍃。
在SPSS的主界面中点击Exact按钮🐓|-🌸，然后选择Exact就可以了🌾🐝————🦐。只有在理论频数小于5的Cell数的比例大于或等于20%的情况下你才有必要使用确切概率法（这一点在SPSS的结果表下有标注）😭-😺，否则仍然可以使用Pearson卡方检验*-|😡。
什么情况下用卡方检验??？
问题八🧵——🐕：卡方检验什么情况下用确切概率法 卡方检验试用条件1.随机样本数据🎾——-🦖🌤；2.卡方检验的理论频数不能太小.两个独立样本比较可以分以下3种情况🐞😶-👽：1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.3.如果有理论数T还有呢？
2😷-🌕🐑、假设有两个分类变量X和Y🍃_🪱，它们的值域分别为{x1, x2}和{y1, y2}😹-——✨🐑。2*2列联表的卡方检验又称配对记数资料或配对四格表资料的卡方检验😭🧨-|*，根据卡方值计算公式的不同😘|🦜，可以达到不同的目的🤐😏|🐁。当用一般四格表的卡方检验计算时🎍_——🪰⛅️，卡方值=n（ad-bc)^2/[(a+b)(c+d)(a+c)(b+d)]♥_|🐨🦣，此时用于还有呢？
卡方检验适用什么情况??？
可以判断数学期望的显著性🦎__🥉，我们把这种利用服从标准正态分布统计量的检验方法成为z检验.三🎀🐀_|🐰、卡方检验的适用条件🥇♥————🐬🐈⬛：用途非常广的一种假设检验方法**|🌑，它在分类资料统计推断中的应用🌘——😧🦌，包括🐀🍃|☄️🎍：两个率或两个构成比比较的卡方检验😶🐨_🎖；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等🤧|🤔🤗。
卡方公式是*|🦔：H0🪰-|🌷🦟：总体X的分布函数为F(x).如果总体分布为离散型🦙🌍-🦬，则假设具体为🐡——😹😐：H0🥊🦂——🍀：总体X的分布律为P{X=xi}=pi🌳-——🌵，i=1🐡😼||👹🦠，2🤗——🍀，..😎——-🎾🦁；当H0为真时🐅🍀|_🦔，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近🐺——_🐒，当H0不真时🐸__🐹，则fi/n与pi相差很大*-🪱。在0假设成立的情况下服从自由度为k-1的到此结束了？🙃😕——🤒🤡。
卡方公式是什么?？
卡方公式是🥈🐖_-🏏：H0🐈⬛|😢😌：总体X的分布函数为F(x).如果总体分布为离散型😴-——😶，则假设具体为H0🌴|-🐰：总体X的分布律为P{X=xi}=pi🦠_🌾⚡️，i=1🦨_🌿，2😵_-🦌，..当H0为真时♠——*，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近😻♠_-🦗，当H0不真时😒🤐--😐，则fi/n与pi相差很大😒🐞-——😻🎰。在0假设成立的情况下服从自由度为k-1的卡方等我继续说🪁-🧸🐙。
π为总体率🌧🧶|——🥀😳，a🐨🦔_🐒⭐️，b🏏__♣，c♣_-🐬⛸，d为四格表中的4个频数☺️——-🐺，当b+c≤40🦣——_🎆，且a和d较小时😳_🐣🦃，用确切概率法🐁🌺__😻，令n=b+c🐜|-🐪，X=b🦛🐄-_🥊，用样本率与总体率比较的方法检验🐓||🐷😘。相应的假设检验为H₀:π=0.5 H₁:π≠0.05🌦😓——-🦙。一种直接计算概率的假设检验方法😏-🪅，x²检验应用条件不满足时🦗-——🏒，可直接计算概率🦈_🐈😢。