卡方检验计算器：如何手算卡方检验
卡方检验计算器将观察数据与假设该数据声明为真时的预期数据进行比较，然后告诉你差异是否足够小以至于可能是巧合，或足够大以至于足以拒绝该声明。当家庭作业问题要求你判断骰子是否公平、问卷调查的答案是否与营销部门的预测分布相匹配，或两个分类变量（如最喜欢的科目和性别）是否相关时，学生们就会使用卡方检验计算器。本指南从头开始教授卡方公式，通过真实数字演示完整的拟合度检验和独立性检验，展示如何找到自由度和解读p值，使你在信任计算器的输出之前能够准确理解卡方检验计算器正在计算的内容。
目录
什么是卡方检验？
卡方检验测量一组观察频数与某个假设下的预期频数之间的偏差程度，然后将该偏差转换为称为卡方统计量的单个数字。与比较数值数据均值的z检验或t检验不同，卡方检验处理分类数据——按颜色、问卷答案或是/否回答等类别排序的频数。卡方检验计算器很有用，因为它自动计算差异的平方并除以期望频数，但该公式本身足够短，一旦你理解了它的三个核心组成部分，就可以手工计算：观察频数（O）、期望频数（E）以及正在比较的类别数量。
卡方公式：χ² = Σ [(O − E)² / E]，其中O是每个观察频数，E是零假设下对应的期望频数。
卡方检验计算器如何工作？
无论你运行的是两个常见卡方检验中的哪一个，每个卡方检验计算器都需要相同的核心输入，并返回相同的三个输出。提前了解这些输入和输出可以使你更容易正确设置任何卡方问题，无论你是手工完成计算还是之后用计算器验证。
1. 卡方检验计算器需要的输入
观察频数——实际收集的数据，输入时可以是单个类别频数列表（拟合度检验）或行列二维表（独立性检验）。期望频数，或足够的信息来计算它们——要么是声称的一组比例（拟合度检验），要么只是行列合计（独立性检验，因为期望频数会自动推导）。一个选定的显著性水平，通常是α = 0.05，除非问题另有说明。
2. 卡方检验计算器可以返回的输出
χ²——卡方检验统计量本身，始终为零或正数。df——自由度，决定了适用哪条卡方分布曲线。p值——假设零假设实际为真，观察到的χ²统计量等于或大于该值的概率。决策——拒绝或未能拒绝零假设，通过将p值与α进行比较，或将χ²与卡方表中的临界值进行比较来确定。
3. 为什么你仍然应该学习手工方法
家庭作业和考试几乎总是要求完整的设置——陈述零假设和备择假设、建立期望频数表以及显示每个(O − E)²/E项——而不仅仅是最后的小数。卡方检验计算器最适合验证答案或处理大型表格，但下面的手工步骤才是真正获得学分和建立后续主题（如方差分析和回归）所需直觉的内容。
如何计算卡方拟合度检验？
拟合度检验检查单组类别中的观察频数是否与声称的分布相匹配——例如，骰子是否公平或公司的实际销售组合是否与其预测相匹配。以下是使用经典公平性问题的完整演示示例。
1. 陈述假设并收集观察频数
掷骰子60次以测试它是否公平。H0：骰子是公平的（每个面的概率为1/6）。Ha：骰子不公平。面1到6的观察频数：O = 8, 12, 9, 14, 7, 10（这些加起来为60，与总掷数相匹配）。
2. 计算期望频数
在H0下，每个面出现的概率应为1/6，因此所有六个面的E = 60 × (1/6) = 10。期望频数：E = 10, 10, 10, 10, 10, 10。期望频数通常不需要是整数，但这里恰好是。
3. 计算每个(O − E)²/E项
面1：(8−10)²/10 = 4/10 = 0.4。面2：(12−10)²/10 = 4/10 = 0.4。面3：(9−10)²/10 = 1/10 = 0.1。面4：(14−10)²/10 = 16/10 = 1.6。面5：(7−10)²/10 = 9/10 = 0.9。面6：(10−10)²/10 = 0/10 = 0。
4. 将各项相加得到χ²
χ² = 0.4 + 0.4 + 0.1 + 1.6 + 0.9 + 0 = 3.4。
5. 求自由度并解读结果
对于拟合度检验，df = (类别数 − 1) = 6 − 1 = 5。在卡方表中查找χ² = 3.4，df = 5，得到p值远大于0.05（约0.64）。由于p值远大于α = 0.05，我们未能拒绝H0——这60次掷数的样本没有提供骰子不公平的证据。卡方检验计算器会立即返回相同的χ² = 3.4和p ≈ 0.64，但现在你可以自己验证该数字并在纸上解释每一步。
对于拟合度检验，自由度 = 类别数 − 1。始终减1以考虑总频数是固定的这一事实。
如何计算卡方独立性检验？
独立性检验检查两个分类变量是否相关，使用二维表中的数据。这是学生最容易与拟合度检验混淆的检验，因为它使用相同的χ²公式但寻找期望频数和自由度的方式不同。
1. 建立二维表并陈述假设
一项调查询问200名学生他们最喜欢的科目（数学或艺术）和年级（新生或高年级）。H0：最喜欢的科目和年级是独立的。Ha：最喜欢的科目和年级相关。观察表：新生-数学 = 40，新生-艺术 = 60（行合计100）；高年级-数学 = 50，高年级-艺术 = 50（行合计100）。列合计：数学 = 90，艺术 = 110。总计 = 200。
2. 计算每个期望频数
公式：E = (行合计 × 列合计) / 总计。E(新生, 数学) = (100 × 90)/200 = 45。E(新生, 艺术) = (100 × 110)/200 = 55。E(高年级, 数学) = (100 × 90)/200 = 45。E(高年级, 艺术) = (100 × 110)/200 = 55。注意期望频数的和仍然等于每个正确的行列合计，这是检查运算的好方法。
3. 计算每个(O − E)²/E项
新生-数学：(40−45)²/45 = 25/45 ≈ 0.556。新生-艺术：(60−55)²/55 = 25/55 ≈ 0.455。高年级-数学：(50−45)²/45 = 25/45 ≈ 0.556。高年级-艺术：(50−55)²/55 = 25/55 ≈ 0.455。
4. 将各项相加得到χ²
χ² ≈ 0.556 + 0.455 + 0.556 + 0.455 = 2.022。
5. 求自由度并解读结果
对于独立性检验，df = (行数 − 1) × (列数 − 1) = (2−1) × (2−1) = 1。查找χ² ≈ 2.02，df = 1，得到p值约为0.155。由于p > 0.05，我们未能拒绝H0——这项调查没有提供强有力的证据表明这200名学生的最喜欢的科目和年级相关。
对于独立性检验，自由度 = (行数 − 1) × (列数 − 1)，期望频数来自行合计 × 列合计 ÷ 总计。
自由度和p值实际上意味着什么？
自由度和p值是学生最容易误解的两个数字，即使正确计算了χ²。获得数值答案只是工作的一半——解释其含义通常也值得同样多的分数。
1. 自由度塑造比较曲线
卡方分布不是一条固定的曲线——它的形状随df改变。较小的df（如1或2）产生在零附近尖锐突起的曲线，而较大的df产生更平坦、更分散的曲线。这就是为什么相同的χ²值在一个df下显著，在另一个df下不显著——判断统计量是否大或小时，总要与正确的卡方分布匹配df。
2. p值回答条件问题
p值是假设零假设为真的情况下，观察到的χ²统计量至少等于计算值的概率。它不是零假设为真的概率，也不是犯错的概率——它仅测量在H0下观察数据会有多令人惊讶。
3. 将p值与alpha (α)进行比较
如果p ≤ α（通常α = 0.05），拒绝H0——观察到的模式不太可能仅由偶然引起，因此有统计学上的显著证据支持Ha。如果p > α，未能拒绝H0——数据与零假设一致，但这不证明H0是真的，只是这个样本没有提供足够的证据反驳它。
未能拒绝H0永远不意味着H0被证明为真——它只意味着样本没有提供足够的证据来拒绝它。
使用卡方检验必须满足哪些条件？
卡方检验计算器只有在底层数据满足一些特定条件时才能给出有效、可靠的结果。违反这些条件是导致卡方结论出错的最常见原因之一，即使运算是正确的。
1. 数据必须是频数，而不是百分比或平均值
卡方检验要求每个类别中的原始频数，而不是比例或平均值。如果问题给出百分比，在应用公式前先用样本量将其转换回频数。
2. 类别必须互斥
每个观察必须恰好落入一个类别——例如，受访者不能同时被计入'新生'和'高年级'。重叠的类别会使检验无效。
3. 期望频数应该足够大
常见的经验法则是每个期望频数至少应为5。当一个或多个期望频数低于5时，卡方近似变得不可靠，通常建议改用其他方法（如Fisher精确检验）。
4. 观察必须是独立的
每个个体或项目应仅被计数一次，不应影响另一个观察的类别。来自同一主体的重复测量，或从非常小的总体中不放回抽取的样本，可能会违反这一条件。
使用卡方检验计算器时的常见错误
这些错误在评分的统计学家庭作业中不断出现，无论是手工计算还是之后与卡方检验计算器验证。
1. 使用错误的自由度公式
拟合度使用df = 类别数 − 1。独立性使用df = (行数 − 1)(列数 − 1)。混淆这两者是最常见的卡方错误，因为两个检验都使用相同的χ²求和公式，很容易忘记哪个df规则适用。
2. 为独立性检验错误地计算期望频数
独立性检验的期望频数来自(行合计 × 列合计) / 总计——而不是将总计均匀分配到所有单元格，也不是从观察频数本身。双重检查你的期望频数是否仍然加起来等于正确的行列合计。
3. 忘记平方差
很容易计算(O − E)/E而不是(O − E)²/E，尤其是在快速计算时。由于O − E可能为负，跳过平方可能会产生负数或误导性较小的χ²——卡方统计量永远不能为负，所以负的运行合计是立即的红旗。
4. 误读p值为H0为真的概率
小p值意味着如果H0为真，观察到的数据会不太可能——它不能直接说明H0本身为真或为假的概率。写结论时要记住条件措辞（'给定H0，这些数据的概率'）。
卡方练习问题及解答
从最简单到最难依次做这三个问题。在阅读解答前尝试每一个，然后将你的设置与所示步骤进行检查。
1. 问题1（初级）：糖果颜色拟合度检验
一家糖果公司声称其包装中含有4种颜色的等量混合。一名学生统计80粒糖果：红色 = 25，蓝色 = 15，绿色 = 22，黄色 = 18。在α = 0.05的水平下测试混合是否相等。解答：每种颜色的E = 80/4 = 20。χ² = (25−20)²/20 + (15−20)²/20 + (22−20)²/20 + (18−20)²/20 = 25/20 + 25/20 + 4/20 + 4/20 = 1.25 + 1.25 + 0.2 + 0.2 = 2.9。df = 4 − 1 = 3。在df = 3时，χ² = 2.9给出p ≈ 0.41，远大于0.05，所以我们未能拒绝H0——数据与颜色等量混合的假设一致。
2. 问题2（中级）：网站布局偏好（独立性）
一家公司调查150名用户关于首选布局（A或B）按设备（移动或桌面）分类。观察：移动-A = 30，移动-B = 45（行合计75）；桌面-A = 40，桌面-B = 35（行合计75）。列合计：A = 70，B = 80。在α = 0.05的水平下测试布局偏好是否独立于设备。解答：E(移动,A) = (75×70)/150 = 35。E(移动,B) = (75×80)/150 = 40。E(桌面,A) = 35。E(桌面,B) = 40。χ² = (30−35)²/35 + (45−40)²/40 + (40−35)²/35 + (35−40)²/40 = 25/35 + 25/40 + 25/35 + 25/40 ≈ 0.714 + 0.625 + 0.714 + 0.625 = 2.678。df = (2−1)(2−1) = 1。在df = 1时，χ² ≈ 2.68给出p ≈ 0.10，大于0.05，所以我们未能拒绝H0——没有显著证据表明布局偏好取决于设备。
3. 问题3（高级）：遗传学比例拟合度检验
一个遗传学实验期望160个后代的四种性状按9:3:3:1的比例分布。观察：性状1 = 96，性状2 = 30，性状3 = 24，性状4 = 10。在α = 0.05的水平下测试拟合度。解答：160个总体的期望比例：E1 = (9/16)×160 = 90。E2 = (3/16)×160 = 30。E3 = (3/16)×160 = 30。E4 = (1/16)×160 = 10。χ² = (96−90)²/90 + (30−30)²/30 + (24−30)²/30 + (10−10)²/10 = 36/90 + 0 + 36/30 + 0 = 0.4 + 1.2 = 1.6。df = 4 − 1 = 3。在df = 3时，χ² = 1.6给出p ≈ 0.66，远大于0.05，所以我们未能拒绝H0——观察到的后代频数与期望的9:3:3:1遗传学比例一致。
学生关于卡方检验计算器还会问什么？
这些是在卡方检验家庭作业和考试复习中最常出现的问题。
1. χ²可能为负吗？
不可能。每项(O − E)²/E都在除以前先平方差，所以每项都是零或正数，和不可能为负。负的运行合计总是表示算术错误，最常见的是忘记平方。
2. 卡方拟合度检验和独立性检验之间有什么区别？
拟合度检验使用一个分类变量并将其分布与单个声称的比例集进行比较。独立性检验一次使用两个分类变量，排列在二维表中，检查它们是否相关。它们共享相同的χ²公式但在如何找到期望频数和自由度方面有所不同。
3. 如果我的期望频数低于5怎么办？
当一个或多个期望频数降至5以下时，卡方对真实抽样分布的近似变得不可靠，结果应谨慎解读或用精确检验（如Fisher精确检验）替代，尤其是对于小的2×2表格。
4. 我是使用单尾还是双尾卡方表？
都不是，通常意义上——卡方检验是内在单向的，因为χ²随着O和E向任一方向进一步移动而增加，所以存在单个上尾临界区域，而不是像z检验或t检验那样的单尾和双尾分开版本。
获取更多卡方检验家庭作业帮助
一旦你习惯了陈述H0和Ha、建立期望频数表并逐项求和(O − E)²/E，卡方问题就变成了细致的记账问题，而不是神秘的公式。用拟合度和独立性问题的混合进行练习，因为考试通常要求你从问题的措辞中识别出适用的是哪一个。如果你在设置特定的卡方问题时卡住了，或想再次检查手工计算，Solvify的分步求解器可以通过这个指南中显示的相同公式——期望频数、每个平方差项以及最终的χ²值——来解决问题，所以你可以看到你自己的设置与正确设置在何处偏离。
在求助于卡方检验计算器之前，写下你是在测试拟合度还是独立性——这个单一决定决定了你的期望频数方法和自由度公式。
相关文章
相关数学解题工具
分步解决方案
获得卡方计算的每一步——期望频数、平方差以及最终检验统计量。
智能扫描求解器
拍摄卡方检验问题的照片，立即获得完整求解的解答。
人工智能数学辅导
提出关于自由度、期望频数或何时使用拟合度检验与独立性检验的后续问题。