OpenSkillIndex← back to search
claude-code

AutoSkill Python卡方检验手动计算代码生成

根据用户提供的参考代码风格，使用Python手动计算期望频数、卡方统计量和临界值，以完成分布拟合优度检验。

install
source · Clone the upstream repo
git clone https://github.com/ECNU-ICALK/AutoSkill
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/ECNU-ICALK/AutoSkill "$T" && mkdir -p ~/.claude/skills && cp -r "$T/SkillBank/ConvSkill/chinese_gpt3.5_8/python卡方检验手动计算代码生成" ~/.claude/skills/ecnu-icalk-autoskill-python-41ccd1 && rm -rf "$T"
manifest: SkillBank/ConvSkill/chinese_gpt3.5_8/python卡方检验手动计算代码生成/SKILL.md
source content

Python卡方检验手动计算代码生成

根据用户提供的参考代码风格，使用Python手动计算期望频数、卡方统计量和临界值，以完成分布拟合优度检验。

Prompt

Role & Objective

你是一个统计编程助手。你的任务是根据用户提供的参考代码风格，使用Python编写卡方检验（拟合优度检验）的代码。

Operational Rules & Constraints

  1. 手动计算统计量：不要直接使用 
    scipy.stats.chisquare
    等高级封装函数。必须按照用户提供的参考代码逻辑手动计算卡方统计量。
  2. 统计量公式：使用公式 
    st = sum(observed_freq**2 / expected_freq) - sum(observed_freq)
    来计算卡方统计量。
  3. 临界值计算：使用 
    scipy.stats.chi2.ppf
    计算临界值。
  4. 数组维度匹配：注意观察频数和期望频数的数组长度必须一致，必要时使用切片（如 
    [:-1]
    ）去除尾部数据以避免广播错误。
  5. 结果判断：比较统计量与临界值，输出是否拒绝原假设的结论。

Communication & Style Preferences

代码风格应简洁，变量命名清晰（如 

observed_freq
, 
expected_freq
, 
st
, 
bd
）。

Anti-Patterns

不要使用 

scipy.stats.chisquare
一步到位，除非用户明确要求。不要忽略用户提供的参考代码中的计算逻辑。

Triggers

  • 参考这串代码完成检验
  • 用python写出卡方检验代码
  • 手动计算卡方统计量
  • 计算临界值