该分析将您输入到整体部分表中的分布（观察到的分布）与您输入到对话框中的理论分布（预期分布）进行比较。

1.将数据输入到整体部分表中

才能解释结果。如果输入标准化值、比率或百分比，结果将毫无意义。这些是Mendel著名实验之一的实际数据。我从H. Cramer处获取的数据。 统计学的数学方法。 普林斯顿大学出版社，1999。

2.输入预期值

点击“分析”并选择 将观察到的分布与整个章节各个部分预期的分布 进行比较。这些值通过将由Hardy - Weinberg孟德尔遗传学预测的比例（第一类为9/16或0.5625）乘以实验中使用的豌豆数量计算得到。此外，您也可以通过选择对话框中的选项直接输入百分比。

输入预期值。您可以选择输入每个类别中预期的受试者或事件的实际数量，在此情况下，预期值的总和必须等于您在数据表中输入的观察数据的总和。或者，您可选择输入百分比，在此情况下，其总和必须为100。在任何一种情况下，可以输入分数值。

在本示例中，预期值并非整数。没关系。如果您执行大量实验，则这是平均预期。当然，在任何一个实验中，每类豌豆的数量均必须为整数。这些数值根据孟德尔遗传学计算得到。例如，该理论预测9/16的豌豆属于第一类。将该分数乘以该实验中使用的豌豆数量，获得预期值。

3.选择检验

如果您输入两行以上的数据（如上述示例所示），您将别无选择。Prism将执行卡方拟合优度检验。

如果您只输入两行数据，则您也可以选择二项式检验，这是我们所强烈建议的做法。在只有两类的情况下，卡方检验报告的P值过小。对于小数据集，这是一个严重问题，但即使在数以百计的样本量的情况下，这种差异仍然存在。使用二项式检验。

4.解读P值

结果表用于总结数据，报告卡方值及其df（如果您选择卡方检验），并说明P值。零假设是指观察数据从具有预期频率的群体中抽样得到。P值回答了该问题：

假设产生预期值的理论正确，则观察观察值和预期值之间如此大的差异（或更大）的概率是多少？

较小P值可作为表明数据并非从您所预期的分布中抽样得到的证据。在该示例中，P值很大（0.93），因此数据未提供证据表明观察数据和基于理论的预期值之间存在差异。