[빅데이터 분석기사 실기] 작업형3유형 6.카이제곱 적합도 검정(기대비율)

1. 카이제곱 검정

구분	적합도 검정	독립성 검정
용도	기대 비율에 따른 적합도 검정	두 변수 간의 독립성을 검정
함수	from scipy.stats import chisquare	from scipy.stats import chi2_contingency
입력	한 변수의 관측값과 기대빈도(각 1차원)	두 변수간 관측값 (2차원)
출력	chi2, p_value	chi2, p_value, dof, expected(기대빈도)

 

2. 적합도 검정

from scipy.stats import chisquare

# Example: Goodness-of-fit test
# Observed frequencies (actual data)
observed = [40, 35, 25]

# Expected frequencies (theoretical ratio: 3:2:1)
total = sum(observed)
expected = [total * 3 / 6, total * 2 / 6, total * 1 / 6]  # 3:2:1 ratio

# Perform chi-squared test
chi2, p_value = chisquare(f_obs=observed, f_exp=expected)

# Results
print("Observed Frequencies:", observed)
print("Expected Frequencies:", expected)
print(f"Chi-squared Statistic: {chi2:.4f}")
print(f"P-value: {p_value:.4f}")

 

3. 독립성 검정

from scipy.stats import chi2_contingency

# 교차표: 관측 빈도
observed = [[10, 20],  # 남성
            [15, 25]]  # 여성

# 카이제곱 검정
chi2, p_value, dof, expected = chi2_contingency(observed)

print(f"Chi-squared Statistic: {chi2:.4f}, P-value: {p_value:.4f}")
print("Expected Frequencies:")
print(expected)