对于1,000,000次观察，我观察到一个离散事件，X，对照组3次，测试组10次。
我需要在Matlab中进行卡方独立性的卡方检验。这是您在r中的做法：
m alpha); %# X2 value needed to reject hNull at the significance level with dof %#X2table = chi2inv(1-alpha, dof); %#hNull = (X2table > X2); end 并举例说明：
t = [3 999997 ; 10 999990] [hNull pVal X2] = ChiSquareTest(t, 0.05) hNull = 1 pVal = 0.052203 X2 = 3.7693 请注意，结果是不同的，从你的，因为chisq.test执行一个默认的校正，根据?chisq.test
正确：表示在计算2x2表的测试统计量时是否应用连续性校正的逻辑：从所有| O-E |中减去一半。差异。
另外，如果您对上述两个事件有实际观察，则可以使用
CROSSTAB函数计算列联表并返回Chi2和p值度量：
X = randi([1 2],[1000 1]); Y = randi([1 2],[1000 1]); [t X2 pVal] = crosstab(X,Y) t = 229 247 257 267 X2 = 0.087581 pVal = 0.76728 R中的等效项为：
chisq.test(X, Y, correct = FALSE) 注意：以上两种（MATLAB）方法都需要统计工具箱
更多&回答...