卡方检验判定实验符合程度

卡方检验是衡量实验观测值与理论期望值符合程度的常用统计方法。本文详细介绍了其核心原理、计算公式及判定步骤，并结合实例分析如何通过卡方值与临界值的对比，科学判断实验结果是否与预期模型相吻合。

在科学实验与数据分析中，我们经常需要判断实验的观测结果是否与理论预期相吻合。例如，掷硬币正反面出现的次数是否符合等概率分布？某种遗传性状的分离比是否符合孟德尔定律？这时，卡方检验（Chi-Square Test）便是最常用且有效的统计工具。

一、卡方检验的核心思想

卡方检验是一种基于卡方分布的假设检验方法，主要用于分类数据（频数）的拟合优度检验。其核心思想是通过计算观测频数（实际实验测得的数据）与期望频数（根据理论模型推算的数据）之间的差异量，来判定实验结果与理论模型的符合程度。差异越小，符合程度越高；差异越大，符合程度越低。

卡方值的计算公式为：

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

其中，$O_i$ 表示第 $i$ 类的观测频数，$E_i$ 表示第 $i$ 类的期望频数。公式中分子取平方是为了消除正负偏差的抵消作用，除以 $E_i$ 则是为了将绝对差异转化为相对差异。

判定实验符合程度的具体步骤如下：

建立假设：原假设 $H_0$ 为实验结果与理论预期相符；备择假设 $H_1$ 为不相符。
计算期望频数：根据理论模型计算各类别应有的频数。
计算卡方值：代入公式求出 $\chi^2$。
确定自由度与显著性水平：自由度 $df = 类别数 - 1$（对于拟合优度检验），通常选取显著性水平 $\alpha = 0.05$ 或 $0.01$。
查表与决策：查卡方分布临界值表得到 $\chi^2_{\alpha, df}$。若计算所得 $\chi^2 < \chi^2_{\alpha, df}$，则接受原假设，认为实验符合理论；否则拒绝原假设。

假设我们掷一枚硬币 100 次，观测到正面 60 次，反面 40 次。我们想知道这枚硬币是否公平（正反理论概率各 0.5）。

查表可知，自由度 $df = 2-1 = 1$，$\alpha = 0.05$ 时的临界值为 3.84。因为 4 > 3.84，所以我们拒绝原假设，判定实验结果与“硬币公平”的理论预期不符合，该硬币可能存在偏心。

使用卡方检验时需注意：首先，它仅适用于频数数据，而非百分比或比率；其次，一般要求每个类别的期望频数 $E_i$ 不小于 5，若过小需合并类别或采用精确检验；最后，卡方检验对样本量非常敏感，样本量过大时极微小的差异也可能导致显著，需结合实际意义进行综合判断。