Chi square test: kiểm định chi bình phương độc lập
Bài 6/14 · Chương 10
Các kiểm định thường dùng
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
Kiểm định chi bình phương độc lập (chi-square test of independence) trả lời câu hỏi hai biến phân loại có liên quan với nhau không, như nhóm tuổi và loại đồ uống khách gọi. Cách tính: so mỗi ô của bảng tần số với tần số mong đợi nếu hai biến độc lập, cộng các độ lệch thành χ², rồi tra p-value.
Cần biết trước: bảng tần suất crosstab(), phân phối chi bình phương và p-value.
Công thức χ² và tần số mong đợi
H₀: hai biến độc lập, tức tỉ lệ chọn từng loại đồ uống như nhau ở từng nhóm. Nếu H₀ đúng, ô ở hàng i, cột j phải có khoảng E = tổng hàng i × tổng cột j / tổng chung. Thống kê kiểm định cộng độ lệch của tất cả các ô:
Trong đó:
O (
O): tần số quan sát của một ô trong bảng.E (
E): tần số mong đợi của ô đó khi H₀ đúng,np.outer(tong_hang, tong_cot) / n.χ² (
x2): tổng trên các ô; dưới H₀ nó gần phân phối chi bình phương với (số hàng − 1)(số cột − 1) bậc tự do.
Công thức E đến từ độc lập: nếu hai biến độc lập thì xác suất có điều kiện chọn cà phê khi biết là nam bằng xác suất chọn cà phê nói chung. Điều kiện: từng E từ khoảng 5 trở lên, và mỗi người chỉ góp vào một ô.
Tính tay một bảng 2 × 3
Một quán hỏi 120 khách, 60 nam và 60 nữ, gọi món nào trong ba món. Số liệu tự đặt cho bài này:
Cà phê | Trà | Sinh tố | Tổng | |
|---|---|---|---|---|
Nam | 30 | 15 | 15 | 60 |
Nữ | 20 | 25 | 15 | 60 |
Tổng | 50 | 40 | 30 | 120 |
Ô Nam, Cà phê có E = 60 × 50 / 120 = 25. Tương tự, hàng Nam có E = 25, 20, 15, hàng Nữ cũng vậy. χ² = 1 + 1,25 + 0 + 1 + 1,25 + 0 = 4,5 với (2 − 1)(3 − 1) = 2 bậc tự do. Khối dưới làm đúng các bước đó:
import numpy as np
from scipy.stats import chi2
O = np.array([[30, 15, 15],
[20, 25, 15]])
tong_hang = O.sum(axis=1)
tong_cot = O.sum(axis=0)
E = np.outer(tong_hang, tong_cot) / O.sum()
x2 = ((O - E) ** 2 / E).sum()
df = (O.shape[0] - 1) * (O.shape[1] - 1)
print(E)
print("chi2 =", round(x2, 2), "| df =", df)
print("p =", round(chi2.sf(x2, df), 3))KẾT QUẢ
[[25. 20. 15.]
[25. 20. 15.]]
chi2 = 4.5 | df = 2
p = 0.105Ở mức ý nghĩa 5%, dữ liệu chưa đủ bằng chứng để bác bỏ H₀ (χ² = 4,5, bậc tự do 2, p = 0,105). Điều đó không có nghĩa nam và nữ chọn món như nhau, chỉ là 120 khách chưa đủ để phân biệt.
Đổi [20, 25, 15] thành [20, 25, 25] rồi chạy lại: thêm 10 nữ gọi sinh tố và dòng cuối in p = 0.044.
Chạy chi2_contingency() trên bảng của bạn
chi2_contingency() của scipy nhận bảng tần số và trả về χ², p-value, bậc tự do và cả bảng E. File lua_chon_do_uong.csv là số giả lập của AIDev: 1.500 ly đồ uống, mỗi dòng có nhóm tuổi và món đã gọi. pd.crosstab() đếm ra bảng 3 × 4:
import pandas as pd
from scipy.stats import chi2_contingency
ly = pd.read_csv("lua_chon_do_uong.csv")
bang = pd.crosstab(ly["nhom_tuoi"], ly["do_uong"])
kq = chi2_contingency(bang)
print(bang)
print("chi2 =", round(kq.statistic, 1), "| df =", kq.dof)
print("p < 0.001" if kq.pvalue < 0.001 else round(kq.pvalue, 3))
print("E nhỏ nhất:", round(kq.expected_freq.min(), 1))KẾT QUẢ
do_uong Bạc xỉu Cà phê sữa Sinh tố bơ Trà đào
nhom_tuoi
25–40 165 215 120 195
Dưới 25 112 120 112 159
Trên 40 75 139 33 55
chi2 = 56.7 | df = 6
p < 0.001
E nhỏ nhất: 53.4E nhỏ nhất là 53,4 nên xấp xỉ chi bình phương dùng được. Ở mức ý nghĩa 5%, dữ liệu đủ bằng chứng để bác bỏ H₀: món được gọi có liên quan tới nhóm tuổi (χ² = 56,7, bậc tự do 6, p < 0,001). Nhìn theo hàng, 46% ly của nhóm trên 40 là cà phê sữa so với 24% ở nhóm dưới 25. Độ lớn hiệu ứng (effect size) Cramér's V = √(χ² / (n · (số hàng nhỏ hơn − 1))) ≈ 0,14, một liên quan yếu. Kiểm định này nói hai biến đi cùng nhau và không cho biết nguyên nhân. Trong Excel: CHISQ.TEST(bảng_quan_sát, bảng_mong_đợi).
Mô phỏng: xáo nhãn để có H0
Quay lại bảng tự đặt 2 × 3 của 120 khách. Nếu giới tính không liên quan tới món gọi, xáo ngẫu nhiên cột món giữa 120 khách sẽ cho những bảng "như H₀", đúng ý tưởng của kiểm định hoán vị. Lặp 2.000 lần rồi đếm bao nhiêu lần χ² đạt từ 4,5 trở lên:
import numpy as np
gioi = np.repeat([0, 1], 60)
mon = np.repeat([0, 1, 2, 0, 1, 2], [30, 15, 15, 20, 25, 15])
rng = np.random.default_rng(79)
x2 = []
for _ in range(2_000):
O = np.zeros((2, 3))
np.add.at(O, (gioi, rng.permutation(mon)), 1)
E = np.outer(O.sum(axis=1), O.sum(axis=0)) / 120
x2.append(((O - E) ** 2 / E).sum())
x2 = np.array(x2)
print("Tỉ lệ chi2 >= 4.5:", round((x2 >= 4.5).mean(), 3))
print("Trung bình chi2:", round(x2.mean(), 2))KẾT QUẢ
Tỉ lệ chi2 >= 4.5: 0.117
Trung bình chi2: 2.03Lần chạy này cho 0,117, gần p = 0,105 của công thức; khoảng chênh đến từ bảng nhỏ, nơi phân phối chi bình phương chỉ là xấp xỉ. Đọc p theo câu: nếu H₀ đúng, xác suất có được kết quả lệch ít nhất như thế này là p, xem bài p-value. Trung bình χ² dưới H₀ khoảng 2, đúng bằng số bậc tự do. Đổi hạt giống thành default_rng(9) thì dòng đầu in 0.111.
Kiểm tra nhanh
Một bảng có tổng hàng 80, tổng cột 30 và tổng chung 200. Tần số mong đợi của ô đó là bao nhiêu?
- 2.400
- 110
- 12
- 0,4
Với bảng 2 × 2, những câu nào đúng?
- Mặc định
chi2_contingency()dùng hiệu chỉnh Yates - Không hiệu chỉnh, χ² bằng bình phương z của kiểm định hai tỉ lệ
- Bậc tự do là 3
- Có hiệu chỉnh Yates, p-value thường lớn hơn không hiệu chỉnh
- Mặc định
Chạy lại khối mô phỏng với 50.000 lần xáo thay cho 2.000. Tỉ lệ in ra sẽ thế nào?
- Về đúng 0 vì H₀ đúng
- Vẫn quanh 0,11 đến 0,12, ít dao động hơn giữa các hạt giống
- Về 0,05 vì α = 0,05
Kiểm định độc lập giữa nhóm tuổi và món gọi cho p < 0,001. Câu nào đúng?
- Tuổi làm khách đổi món
- Liên quan rất mạnh vì p rất nhỏ
- Xác suất hai biến độc lập dưới 0,1%
- Ở mức ý nghĩa 5%, dữ liệu đủ bằng chứng để bác bỏ H₀ rằng hai biến độc lập; độ mạnh xem bằng Cramér's V
Bài tập
Viết hàm kiểm định chi bình phương độc lập
bang là list các list số đếm, mỗi list là một hàng, ít nhất hai hàng và hai cột, tổng hàng và tổng cột nào cũng dương. Viết thân hàm doc_lap(bang): tính E, χ² và bậc tự do theo công thức của bài, rồi lấy p-value bằng chi2.sf(). Không hiệu chỉnh Yates.
Không dùng chi2_contingency(). Hàm không sửa list của nơi gọi.
Trả về: p-value, một float.
Ví dụ doc_lap([[30, 15, 15], [20, 25, 15]]) cho khoảng 0.1054.
import numpy as np
from scipy.stats import chi2
def doc_lap(bang):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Kiểm định chi bình phương độc lập so bảng quan sát O với bảng E = tổng hàng × tổng cột / tổng chung.
χ² = Σ (O − E)² / E, bậc tự do (hàng − 1)(cột − 1); cần từng E từ khoảng 5 trở lên.
chi2_contingency(bang)trả về χ², p, bậc tự do vàexpected_freq.Bảng 2 × 2: mặc định có hiệu chỉnh Yates; với
correction=Falsethì χ² = z² của kiểm định hai tỉ lệ.p nhỏ không có nghĩa liên quan mạnh: báo thêm Cramér's V.
Câu hỏi thường gặp
Chi square test là gì, dùng khi nào?
Là kiểm định cho dữ liệu đếm theo nhóm. Bản độc lập dùng khi có hai biến phân loại trên cùng một nhóm người. Khi chỉ có một biến và một phân phối cho trước, dùng bản phù hợp ở bài kiểm định phù hợp.
Có ô E dưới 5 thì làm gì?
Gộp các nhóm ít người với nhau nếu việc gộp có nghĩa, hay dùng kiểm định chính xác Fisher cho bảng 2 × 2 (fisher_exact()), hay xáo nhãn như khối mô phỏng ở trên. Bài chọn kiểm định có bảng chọn.
Đưa vào chi2_contingency tỉ lệ phần trăm thay cho số đếm được không?
Không. χ² phụ thuộc cỡ mẫu, nên đưa phần trăm sẽ cho p sai. Hãy đưa số đếm, như bảng pd.crosstab() ra.
Kiểm định độc lập có cho biết ô nào khác không?
Không, nó chỉ cho một kết luận chung. Muốn biết ô nào đóng góp nhiều, nhìn (O − E)² / E của từng ô, hay so tỉ lệ theo hàng như đoạn phân tích file ở trên.
Chủ đề
Dữ liệu của bài
- Tải xuống
lua_chon_do_uong.csv
CSV · 52.35 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.