FitChiTool 为 fitChiSquare 函数提供了一个类似于曲线拟合工具箱的接口。 这允许您在线性或非线性模型上已知测量误差时使用卡方执行拟合。 它允许您对多个独立（多于一个 x）变量执行拟合。 如果测量误差未知，则执行非线性最小二乘拟合（卡方等于 1）。 要开始使用 FitChiTool，请运行包含的 HTML 文档中的教程（或运行 FitChiToolExample）。

通过计算卡方值来了解java实现算法的用途，深入了解java在算法中的应用

h = chi2cont(x) 对 m×n 列联表 x 中的数据执行卡方检验。 零假设是列（“处理”）之间的行变量分布（“结果”）没有差异。 测试结果在 h 中返回。 h=1 表示在 5% 显着性水平拒绝原假设。 h=0 表示不能在 5% 拒绝原假设显着性水平。 h = chi2cont(x,alpha) 在 (100*alpha)% 显着性水平上执行检验。 未指定时的默认值为 alpha=0.05； [h,p] = chi2cont(...) 返回测试的 p 值。 p 值是在原假设下，观察值作为卡方检验统计量的极端或更极端的概率。 [h,p,X2] = chi2cont(...) 返回卡方检验统计量。

CHISQUARECONT 将表示 2x2 列联表的 2x2 矩阵作为输入，并且计算获得观察到的和每个更极端的表的概率基于卡方分布的皮尔逊卡方检验。 这当预期频率的总数增加时，卡方检验可能变得不可靠（列联表中的单元格值）不够大（总数小于20 或单元格包含小于 5 的值）。 在这种情况下，Fisher 精确检验应该改为使用。 用法：p = chisquarecont(contab) [p,x2] = chisquarecont(contab) 输入：contab -> 根据频率数据创建的 2x2 列联表输出：p -> 测试的 p 值（获得观察到的概率和每个更极端的表） x2 -> 卡方统计量的值 有关示例，请参阅文件内的帮助。

程序说明 MATLAB中程序部分 x=ncx2rnd(6,8,20,1) kafangnc=project(x) 输入以上程序即可得到随机数列的n，v的估计值

卡方表查询 同时包含卡方分布的介绍和计算方法 方便查询 如果需要计算 有相应的程序 但是现在 matlab上面可以方便的得到这些取值 如果需要了 解详细的计算过程 可以查看该文章

[A, B] = CHI2TEST(DATA, N, ALPHA, DIST, X, Y, Z) 返回行向量 DATA 中包含的样本的卡方统计量。 N 指定检验的等概率类区间数。 ALPHA 是用于找到临界卡方值的置信水平参数。 DIST 是一个包含我们正在测试的概率分布的字符串。 请参阅 staitsctics 工具箱以了解支持的发行版 - 'exp'、'gam'、'unif' 是其中的一些。 X、Y 和 Z 指定所选 DIST 的估计参数。 有些分布只需要这些参数之一，这些参数的提供顺序遵循给累积分布函数 UNIFCDF、GAMCDF、EXPCDF 和其他函数的值。 A 是计算的卡方统计量，B 是自由度的临界列表值。 自由度是区间数减去估计参数数。 一般来说，如果 A 小于 B，则接受 DATA 服从 DIST 分布的 H0 假设。 尝试在 1.5 到 2.9 的区间上拟合

累积分布函数 分布。 随机变量的为 其中k是自由度， P是下正则化函数。 安装 $ npm install distributions-chisquare-cdf 要在浏览器中使用，请使用 。 用法 var cdf = require ( 'distributions-chisquare-cdf' ) ; cdf（x [，选项]） 计算分布的累积分布函数。 x可以是number ， array ，typed array或matrix 。 var matrix = require ( 'dstructs-matrix' ) , mat , out , x , i ; out = cdf ( 1 ) ; // returns ~0.682 x = [ - 1 , 0 , 1 , 2 , 3 ] ; out = cdf ( x ) ; // returns [ 0, 0,

第六章 卡方检验课件.ppt

简易的卡方计算器，不需要繁琐的下载，小软件大应用，轻松解决SPSS等不会使用的人群，算法已经经过验算，轻松掌握。