Python均匀分布卡方检验结果异常及输出格式调整问题

1 相同代码卡方检验统计量结果变化的原因 #

可能的原因有三类：

• 交互式环境变量污染：如果使用Jupyter这类交互式编辑器运行代码，若单独重复执行过随机数生成的代码块，会修改全局种子变量i的取值，后续生成的随机序列会完全改变，卡方检验结果自然不同。你用的固定种子LCG生成器仅在完整从头运行全量代码时，才会输出完全一致的随机序列。
• 代码逻辑误差：你初始化list1时已放入初始种子i，后续循环n次追加新值，最终list1的长度为n+1，但你计算期望频数f_exp时用的是n/bins1，观测频数总和与期望频数总和不一致，scipy的chisquare函数会自动重缩放期望频数，不同版本scipy的缩放逻辑差异可能导致结果变化。同时你做直方图统计时用的是完整的list1，但绘图时只取了前n个值，两者不匹配也会带来统计误差。
• 运行环境差异：不同版本的Numpy对无符号整数溢出的处理逻辑、不同版本Scipy的卡方检验实现、不同操作系统的数值计算精度差异，都可能导致最终结果出现小幅波动。

如果要提高结果可复现性，可以把随机数生成逻辑封装为函数，避免全局变量污染，同时修正样本长度问题：

def generate_lcg(seed, sample_count):
    i = np.uintc(seed)
    samples = []
    for _ in range(sample_count):
        i = np.uintc(i * 663608941)
        samples.append(i)
    return np.divide(samples, (2**32) - 1)

调用时直接传入种子和需要的样本量即可，不会出现样本长度多1的问题。

2 单独打印统计量和p值的方法 #

scipy.stats.chisquare返回的Power_divergenceResult是支持属性访问的类元组对象，直接调用对应属性即可单独打印，将你的打印代码修改为以下形式即可得到整洁输出：

print("卡方统计量：%.4f" % chisquareval.statistic)
print("p值：%.4f" % chisquareval.pvalue)

你也可以根据需要调整格式字符串，修改数值保留的小数位数。

内容的提问来源于stack exchange，提问作者J.Snowden