p value generated by scipy.stats.chi2_contingency for independence testing

用于测试两个特征是否独立的假设检验，H0：A和B是独立的；H1：A和B是相关的

如果p值小于0.05，则A和B是相关的

在尝试以下代码时，很明显这两个数组是相关的（它们是相同的数组）

obs = np.array([[10, 10, 10], [10, 10, 10]])scipy.stats.chi2_contingency(obs)

我得到以下结果：

(0.0, 1.0, 2, array([[10., 10., 10.],        [10., 10., 10.]]))

即p值为1.0，大于0.05，因此我们接受原假设，即这两个数组是相互独立的。

我是否有错误的假设，或者它是生成1-p值？

回答：

您的计算是正确的。这仅意味着您拥有的变量是独立的，没有关联或相互联系。事件的独立性意味着它不会影响或影响另一个事件的发生。

在您的例子中，所有概率值都是相同的，因此在概率上，事件A的发生不依赖于事件B。

  P(A|B) = P(A)  或 P(B|A) = P(B)

这表示在给定事件B的情况下，事件A的概率与A的概率相同，因为A和B是独立的。因此，P(A)、P(B)、P(A|B)和P(B|A)是相同的，因为根据卡方统计，A和B是独立的。

学技术