此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.在整体部分表中输入数据

输入对象或事件的实际数量。如果输入标准化值、比率或百分比，结果将毫无意义。这些是孟德尔著名实验中的实际数据。数据来自 H. Cramer。 统计学的数学方法》。 普林斯顿大学出版社，1999 年。

2.输入期望值

单击 "分析"，在 "整体部分"中选择 "比较观察到的分布与预期分布"。这些值是用哈代-温伯格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出的。您也可以通过选择对话框中的选项直接输入百分比。

输入期望值。您可以选择输入每个类别中预期的对象或事件的实际数量，在这种情况下，期望值的总和必须等于您在数据表上输入的观察值的总和。或者，您也可以选择输入百分比，在这种情况下，百分比的总和必须为 100。无论哪种情况，输入分数值都是可以的。

在本示例中，期望值不是整数。没关系。如果您做了大量实验，这就是平均期望值。当然，在任何一次实验中，每个类别的豌豆数量都必须是整数。这些数值是根据孟德尔遗传学计算出来的。本示例中，理论预测 9/16 的豌豆属于第一类。用这个分数乘以本次实验所用的豌豆总数，就可以得到期望值。

3.选择测试

如果输入的数据超过两行（如上本示例），您将别无选择。Prism 将执行卡方拟合优度检验。

如果您只输入了两行数据，您也可以选择二项式检验，我们强烈推荐您使用二项式检验。如果只有两个类别，卡方检验 报告的 P 值会太小。对于小数据集来说，这是一个很大的问题，但即使样本量达到数百个，差异也会存在。使用二项式检验。

4.解读 P 值

结果表总结了数据，报告了卡方检验值及其 df（如果您选择了卡方检验），并说明了 P 值。零假设是观察到的数据是从具有预期频率的群体中抽样得到的。P 值回答了这个问题：

假设产生期望值的理论是正确的，那么观察到观察值和期望值之间存在如此大的差异（或更大）的概率是多少？

较小的 P 值证明数据并非从您期望值的分布中采样。在本示例中，P 值很大（0.93），因此数据没有提供证据证明观察值与基于理论的期望值之间存在差异。