我正在比较两组突变体，每组突变体只能具有 21 种不同表型中的一种。我想看看这些结果在两组之间的分布是否相似。我找到了一个在线测试 ，它计算“分布相等的卡方检验”并给了我一些似是而非的结果。但是，我在这个表中有很多零，所以在这种情况下我可以使用卡方吗？
这是包含两组和特定表型计数的表格：
2 1
2 3
1 6
1 4
13 77
7 27
0 1
0 4
0 2
2 7
2 3
1 5
1 9
2 6
0 3
3 0
1 3
0 3
1 0
1 2
0 1
分布均匀性的卡方检验：它可以容忍多少个零？
机器算法验证
分布
卡方检验
列联表
2022-03-24 13:34:27
2个回答
如今，在这样的桌子上进行费舍尔的“精确”测试是完全可行的。我刚刚使用 Stata 得到 p = 0.087（tabi 2 1 \ 2 3 \ .... , exact. 执行耗时 0.19 秒）。
在下面 chl 的评论后编辑（尝试添加为评论但无法格式化）：
它适用于我的 R 2.12.0，尽管我不得不将“工作区”选项增加到默认值 200000 之上：
> fisher.test(x)
Error in fisher.test(x) : FEXACT error 7.
LDSTP is too small for this problem.
Try increasing the size of the workspace.
> system.time(result<-fisher.test(x, workspace = 400000))
user system elapsed
0.11 0.00 0.11
> result$p.value
[1] 0.0866764
（执行时间比在 Stata 中稍快，但考虑到计算错误消息含义所花费的时间，这具有可疑的相关性，它使用“工作区”来表示与 R 的通常含义不同的东西，尽管 fisher.test是 R 的核心“统计”包的一部分。）
通常的准则是预期计数应大于 5，但可以稍微放宽，如下文所述：
Campbell, I, Chi-squared and Fisher-Irwin test of two-by-two tables with small sample recommendations , Statistics in Medicine (2007) 26(19): 3661–3675。
另见 Ian Campbell 的主页。
请注意，在 R 中，总是有可能通过蒙特卡洛方法 (值，而不是依赖于渐近分布。chisq.test(..., sim=TRUE)
在您的情况下，似乎大约 80% 的预期计数低于 5，40% 低于 1。聚合一些观察到的表型是否有意义？
其它你可能感兴趣的问题