JMP 如何调整 Pearson 卡方值的 p 值我正在观察到的计数分布和伽马-泊松混合之间进行离散拟合。然而，Pearson 卡方拟合优度统计数据返回的 X2 值非常高，但表明 p 值可接受。
在提供的示例中，X2 为 1222.58，如果将其插入卡方分布，将返回 p 值 7.552193e-268。
JMP 返回 p 值为 0.1021。
JMP 的计算中是否进行了一些调整，使得该值比直接计算增加这么多？
回复：JMP 如何调整 Pearson 卡方值的 p 值不可以，JMP 版本 15 不允许用户控制用于 Pearson 拟合优度检验的分箱大小。回复：JMP 如何调整 Pearson 卡方值的 p 值谢谢托尼娅，这很有帮助。有没有办法控制版本的垃圾箱大小？ 15岁及以上？在我提供的示例中，我相信我在使用的替代方法中没有为卡方检验提供正确的自由度。
回复：JMP 如何调整 Pearson 卡方值的 p 值原假设下的预期卡方等于自由度。对于此示例，您的自由度很高，N 为 1162。因此我对结果并不感到惊讶。
Pearson 拟合优度检验的大多数问题都来自分箱大小。
版本 15 中的 Pearson 拟合优度检验已更改。此测试的问题在于 bin 大小没有明确定义。对于版本 15，JMP 确保每个分箱中至少有 5 个预期观测值。这样我们就满足了经验法则（假设朝下）。 https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test
最后一个垃圾箱是个例外。如果预期计数小于 5，JMP 不会担心。
以前，JMP 将最小值和最大值之间的每个整数视为一个 bin。这意味着可能存在观察值为零且期望值基本上为零的箱。
