卡方檢驗計算器：如何手算卡方檢驗
卡方檢驗計算器將觀察數據與假設該數據聲明為真時的期望數據進行比較，然後告訴你差異是否足夠小以至於可能是巧合，或足夠大以至於足以拒絕該聲明。當家庭作業問題要求你判斷骰子是否公平、問卷調查的答案是否與行銷部門的預測分布相匹配，或兩個分類變數（如最喜歡的科目和性別）是否相關時，學生們就會使用卡方檢驗計算器。本指南從頭開始教授卡方公式，通過真實數字演示完整的擬合度檢驗和獨立性檢驗，展示如何找到自由度和解讀p值，使你在信任計算器的輸出之前能夠準確理解卡方檢驗計算器正在計算的內容。
目錄
什麼是卡方檢驗？
卡方檢驗測量一組觀察頻數與某個假設下的期望頻數之間的偏差程度，然後將該偏差轉換為稱為卡方統計量的單個數字。與比較數值數據均值的z檢驗或t檢驗不同，卡方檢驗處理分類數據——按顏色、問卷答案或是/否回答等類別排序的頻數。卡方檢驗計算器很有用，因為它自動計算差異的平方並除以期望頻數，但該公式本身足夠短，一旦你理解了它的三個核心組成部分，就可以手工計算：觀察頻數（O）、期望頻數（E）以及正在比較的類別數量。
卡方公式：χ² = Σ [(O − E)² / E]，其中O是每個觀察頻數，E是零假設下對應的期望頻數。
卡方檢驗計算器如何工作？
無論你運行的是兩個常見卡方檢驗中的哪一個，每個卡方檢驗計算器都需要相同的核心輸入，並返回相同的三個輸出。提前瞭解這些輸入和輸出可以使你更容易正確設置任何卡方問題，無論你是手工完成計算還是之後用計算器驗證。
1. 卡方檢驗計算器需要的輸入
觀察頻數——實際收集的數據，輸入時可以是單個類別頻數列表（擬合度檢驗）或行列二維表（獨立性檢驗）。期望頻數，或足夠的資訊來計算它們——要麼是聲稱的一組比例（擬合度檢驗），要麼只是行列合計（獨立性檢驗，因為期望頻數會自動推導）。一個選定的顯著性水準，通常是α = 0.05，除非問題另有說明。
2. 卡方檢驗計算器可以返回的輸出
χ²——卡方檢驗統計量本身，始終為零或正數。df——自由度，決定了適用哪條卡方分布曲線。p值——假設零假設實際為真，觀察到的χ²統計量等於或大於該值的概率。決策——拒絕或未能拒絕零假設，通過將p值與α進行比較，或將χ²與卡方表中的臨界值進行比較來確定。
3. 為什麼你仍然應該學習手工方法
家庭作業和考試幾乎總是要求完整的設置——陳述零假設和備擇假設、建立期望頻數表以及顯示每個(O − E)²/E項——而不僅僅是最後的小數。卡方檢驗計算器最適合驗證答案或處理大型表格，但下面的手工步驟才是真正獲得學分和建立後續主題（如方差分析和回歸）所需直覺的內容。
如何計算卡方擬合度檢驗？
擬合度檢驗檢查單組類別中的觀察頻數是否與聲稱的分布相匹配——例如，骰子是否公平或公司的實際銷售組合是否與其預測相匹配。以下是使用經典公平性問題的完整演示示例。
1. 陳述假設並收集觀察頻數
擲骰子60次以測試它是否公平。H0：骰子是公平的（每個面的概率為1/6）。Ha：骰子不公平。面1到6的觀察頻數：O = 8, 12, 9, 14, 7, 10（這些加起來為60，與總擲數相匹配）。
2. 計算期望頻數
在H0下，每個面出現的概率應為1/6，因此所有六個面的E = 60 × (1/6) = 10。期望頻數：E = 10, 10, 10, 10, 10, 10。期望頻數通常不需要是整數，但這裡恰好是。
3. 計算每個(O − E)²/E項
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. 將各項相加得到χ²
χ² = 0.4 + 0.4 + 0.1 + 1.6 + 0.9 + 0 = 3.4。
5. 求自由度並解讀結果
對於擬合度檢驗，df = (類別數 − 1) = 6 − 1 = 5。在卡方表中查找χ² = 3.4，df = 5，得到p值遠大於0.05（約0.64）。由於p值遠大於α = 0.05，我們未能拒絕H0——這60次擲數的樣本沒有提供骰子不公平的證據。卡方檢驗計算器會立即返回相同的χ² = 3.4和p ≈ 0.64，但現在你可以自己驗證該數字並在紙上解釋每一步。
對於擬合度檢驗，自由度 = 類別數 − 1。始終減1以考慮總頻數是固定的這一事實。
如何計算卡方獨立性檢驗？
獨立性檢驗檢查兩個分類變數是否相關，使用二維表中的數據。這是學生最容易與擬合度檢驗混淆的檢驗，因為它使用相同的χ²公式但尋找期望頻數和自由度的方式不同。
1. 建立二維表並陳述假設
一項調查詢問200名學生他們最喜歡的科目（數學或藝術）和年級（新生或高年級）。H0：最喜歡的科目和年級是獨立的。Ha：最喜歡的科目和年級相關。觀察表：新生-數學 = 40，新生-藝術 = 60（行合計100）；高年級-數學 = 50，高年級-藝術 = 50（行合計100）。列合計：數學 = 90，藝術 = 110。總計 = 200。
2. 計算每個期望頻數
公式：E = (行合計 × 列合計) / 總計。E(新生, 數學) = (100 × 90)/200 = 45。E(新生, 藝術) = (100 × 110)/200 = 55。E(高年級, 數學) = (100 × 90)/200 = 45。E(高年級, 藝術) = (100 × 110)/200 = 55。注意期望頻數的和仍然等於每個正確的行列合計，這是檢查運算的好方法。
3. 計算每個(O − E)²/E項
新生-數學：(40−45)²/45 = 25/45 ≈ 0.556。新生-藝術：(60−55)²/55 = 25/55 ≈ 0.455。高年級-數學：(50−45)²/45 = 25/45 ≈ 0.556。高年級-藝術：(50−55)²/55 = 25/55 ≈ 0.455。
4. 將各項相加得到χ²
χ² ≈ 0.556 + 0.455 + 0.556 + 0.455 = 2.022。
5. 求自由度並解讀結果
對於獨立性檢驗，df = (行數 − 1) × (列數 − 1) = (2−1) × (2−1) = 1。查找χ² ≈ 2.02，df = 1，得到p值約為0.155。由於p > 0.05，我們未能拒絕H0——這項調查沒有提供強有力的證據表明這200名學生的最喜歡的科目和年級相關。
對於獨立性檢驗，自由度 = (行數 − 1) × (列數 − 1)，期望頻數來自行合計 × 列合計 ÷ 總計。
自由度和p值實際上意味著什麼？
自由度和p值是學生最容易誤解的兩個數字，即使正確計算了χ²。獲得數值答案只是工作的一半——解釋其含義通常也值得同樣多的分數。
1. 自由度塑造比較曲線
卡方分布不是一條固定的曲線——它的形狀隨df改變。較小的df（如1或2）產生在零附近尖銳突起的曲線，而較大的df產生更平坦、更分散的曲線。這就是為什麼相同的χ²值在一個df下顯著，在另一個df下不顯著——判斷統計量是否大或小時，總要與正確的卡方分布匹配df。
2. p值回答條件問題
p值是假設零假設為真的情況下，觀察到的χ²統計量至少等於計算值的概率。它不是零假設為真的概率，也不是犯錯的概率——它僅測量在H0下觀察數據會有多令人驚訝。
3. 將p值與alpha (α)進行比較
如果p ≤ α（通常α = 0.05），拒絕H0——觀察到的模式不太可能僅由偶然引起，因此有統計學上的顯著證據支持Ha。如果p > α，未能拒絕H0——數據與零假設一致，但這不證明H0是真的，只是這個樣本沒有提供足夠的證據反駁它。
未能拒絕H0永遠不意味著H0被證明為真——它只意味著樣本沒有提供足夠的證據來拒絕它。
使用卡方檢驗必須滿足哪些條件？
卡方檢驗計算器只有在底層數據滿足一些特定條件時才能給出有效、可靠的結果。違反這些條件是導致卡方結論出錯的最常見原因之一，即使運算是正確的。
1. 數據必須是頻數，而不是百分比或平均值
卡方檢驗要求每個類別中的原始頻數，而不是比例或平均值。如果問題給出百分比，在應用公式前先用樣本量將其轉換回頻數。
2. 類別必須互斥
每個觀察必須恰好落入一個類別——例如，受訪者不能同時被計入'新生'和'高年級'。重疊的類別會使檢驗無效。
3. 期望頻數應該足夠大
常見的經驗法則是每個期望頻數至少應為5。當一個或多個期望頻數低於5時，卡方近似變得不可靠，通常建議改用其他方法（如Fisher精確檢驗）。
4. 觀察必須是獨立的
每個個體或項目應僅被計數一次，不應影響另一個觀察的類別。來自同一主體的重複測量，或從非常小的總體中不放回抽取的樣本，可能會違反這一條件。
使用卡方檢驗計算器時的常見錯誤
這些錯誤在評分的統計學家庭作業中不斷出現，無論是手工計算還是之後與卡方檢驗計算器驗證。
1. 使用錯誤的自由度公式
擬合度使用df = 類別數 − 1。獨立性使用df = (行數 − 1)(列數 − 1)。混淆這兩者是最常見的卡方錯誤，因為兩個檢驗都使用相同的χ²求和公式，很容易忘記哪個df規則適用。
2. 為獨立性檢驗錯誤地計算期望頻數
獨立性檢驗的期望頻數來自(行合計 × 列合計) / 總計——而不是將總計均勻分配到所有單元格，也不是從觀察頻數本身。雙重檢查你的期望頻數是否仍然加起來等於正確的行列合計。
3. 忘記平方差
很容易計算(O − E)/E而不是(O − E)²/E，尤其是在快速計算時。由於O − E可能為負，跳過平方可能會產生負數或誤導性較小的χ²——卡方統計量永遠不能為負，所以負的運行合計是立即的紅旗。
4. 誤讀p值為H0為真的概率
小p值意味著如果H0為真，觀察到的數據會不太可能——它不能直接說明H0本身為真或為假的概率。寫結論時要記住條件措辭（'給定H0，這些數據的概率'）。
卡方練習問題及解答
從最簡單到最難依次做這三個問題。在閱讀解答前嘗試每一個，然後將你的設置與所示步驟進行檢查。
1. 問題1（初級）：糖果顏色擬合度檢驗
一家糖果公司聲稱其包裝中含有4種顏色的等量混合。一名學生統計80粒糖果：紅色 = 25，藍色 = 15，綠色 = 22，黃色 = 18。在α = 0.05的水準下測試混合是否相等。解答：每種顏色的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時，χ² = 2.9給出p ≈ 0.41，遠大於0.05，所以我們未能拒絕H0——數據與顏色等量混合的假設一致。
2. 問題2（中級）：網站佈局偏好（獨立性）
一家公司調查150名用戶關於首選佈局（A或B）按設備（行動或桌面）分類。觀察：行動-A = 30，行動-B = 45（行合計75）；桌面-A = 40，桌面-B = 35（行合計75）。列合計：A = 70，B = 80。在α = 0.05的水準下測試佈局偏好是否獨立於設備。解答：E(行動,A) = (75×70)/150 = 35。E(行動,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時，χ² ≈ 2.68給出p ≈ 0.10，大於0.05，所以我們未能拒絕H0——沒有顯著證據表明佈局偏好取決於設備。
3. 問題3（高級）：遺傳學比例擬合度檢驗
一個遺傳學實驗期望160個後代的四種性狀按9:3:3:1的比例分布。觀察：性狀1 = 96，性狀2 = 30，性狀3 = 24，性狀4 = 10。在α = 0.05的水準下測試擬合度。解答：160個總體的期望比例：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時，χ² = 1.6給出p ≈ 0.66，遠大於0.05，所以我們未能拒絕H0——觀察到的後代頻數與期望的9:3:3:1遺傳學比例一致。
學生關於卡方檢驗計算器還會問什麼？
這些是在卡方檢驗家庭作業和考試複習中最常出現的問題。
1. χ²可能為負嗎？
不可能。每項(O − E)²/E都在除以前先平方差，所以每項都是零或正數，和不可能為負。負的運行合計總是表示算術錯誤，最常見的是忘記平方。
2. 卡方擬合度檢驗和獨立性檢驗之間有什麼區別？
擬合度檢驗使用一個分類變數並將其分布與單個聲稱的比例集進行比較。獨立性檢驗一次使用兩個分類變數，排列在二維表中，檢查它們是否相關。它們共享相同的χ²公式但在如何找到期望頻數和自由度方面有所不同。
3. 如果我的期望頻數低於5怎麼辦？
當一個或多個期望頻數降至5以下時，卡方對真實抽樣分布的近似變得不可靠，結果應謹慎解讀或用精確檢驗（如Fisher精確檢驗）替代，尤其是對於小的2×2表格。
4. 我是使用單尾還是雙尾卡方表？
都不是，通常意義上——卡方檢驗是內在單向的，因為χ²隨著O和E向任一方向進一步移動而增加，所以存在單個上尾臨界區域，而不是像z檢驗或t檢驗那樣的單尾和雙尾分開版本。
獲取更多卡方檢驗家庭作業幫助
一旦你習慣了陳述H0和Ha、建立期望頻數表並逐項求和(O − E)²/E，卡方問題就變成了細緻的記賬問題，而不是神秘的公式。用擬合度和獨立性問題的混合進行練習，因為考試通常要求你從問題的措辭中識別出適用的是哪一個。如果你在設置特定的卡方問題時卡住了，或想再次檢查手工計算，Solvify的分步求解器可以通過這個指南中顯示的相同公式——期望頻數、每個平方差項以及最終的χ²值——來解決問題，所以你可以看到你自己的設置與正確設置在何處偏離。
在求助於卡方檢驗計算器之前，寫下你是在測試擬合度還是獨立性——這個單一決定決定了你的期望頻數方法和自由度公式。
相關文章
相關數學解題工具
分步解決方案
獲得卡方計算的每一步——期望頻數、平方差以及最終檢驗統計量。
智能掃描求解器
拍攝卡方檢驗問題的照片，立即獲得完整求解的解答。
人工智慧數學輔導
提出關於自由度、期望頻數或何時使用擬合度檢驗與獨立性檢驗的後續問題。