在我看来，您链接到的来源是错误的，因为它将条件反射与假设混淆了。

Fisher 对边际总额的精确检验条件，这意味着它不使用任何可能从边际总额中推断出的独立性信息。从理论上讲，一旦您以随机变量为条件，该随机变量就会在下游计算中被视为固定变量。然而，这纯粹是一种数学装置。这与假设边际总量作为实验设计的一部分预先固定完全不同。这只是选择从数据中提取什么信息的问题。

调节实际上减少了测试所做的假设。由于 Fisher 检验仅使用给定边缘计数的细胞计数分布，因此它不对边缘计数的生成方式做出任何假设。

您链接到的消息来源指出，Fisher 的精确检验比 Pearson 的卡方检验或 G 检验做出更多假设。在我看来，这种说法是错误的。所有三个测试都以保证金总额为条件，并且所有三个都做出相同的分布假设。无论边际总数是否固定，Fisher 精确检验都能正确控制 I 类错误率，并且 p 值是精确的，因为它们是从使用超几何分布的精确计算中得出的。

IMO 在互联网上对这个问题有很多误解，它可能源于最优性问题。如果边际总数不是由实验设计固定的，则可能存在关于行总数和列总数中包含的独立性的信息，因此可能会创建一个比 Fisher 精确检验更强大的统计检验。有一些关于此的有趣文献，但在实践中（i）如果计数很小，则没有太多信息可以检索，并且（ii）当计数很大时，Fisher 精确检验已经足够强大。

另一个误解是，人们将“精确”解释为意味着 I 类错误率被精确控制在指定的速率上。像所有返回离散计数的精确 p 值的测试一样，Fisher 检验对任何预先指定的 I 类错误率给出了某种保守的控制，这仅仅是因为 p 值是粒度的（这与边距是否固定无关或不）。