零假设是指观察数据从具有预期频率的群体中抽样得到。卡方检验结合了观察值与期望值之间的差异。

计算方法：

1.对于每个类别，计算观察计数和预期计数之间的差异。

2.将差值平方并除以预期计数。

3.添加所有类别的值。换言之，计算（O - E）2/E的和。

4.使用计算机程序计算P值。您需要知道自由度的数量等于类别的数量减1。

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。

Yates修正

只有两个类别时，一些统计学家建议使用Yates修正。这将降低卡方检验值，从而增加P值。对于较大样本量，这种修正产生的影响较小。对于小样本而言，将产生更大影响。统计学家对何时使用Yates修正意见不一，Prism未使用该值。

只有两个类别，最好使用二项检验，其给出一个精确的结果，而非卡方计算的任何一种形式，卡方计算只是一个近似值。