JMP 如何調整 Pearson 卡方值的 p 值我正在觀察到的計數分佈和伽馬-泊松混合之間進行離散擬合。然而，Pearson 卡方擬合優度統計資料傳回的 X2 值非常高，但表示 p 值可接受。
在提供的範例中，X2 為 1222.58，如果將其插入卡方分佈，將傳回 p 值 7.552193e-268。
JMP 傳回 p 值為 0.1021。
JMP 的計算中是否進行了一些調整，使得該值比直接計算增加這麼多？
回覆：JMP 如何調整 Pearson 卡方值的 p 值不可以，JMP 版本 15 不允許使用者控制用於 Pearson 適合度檢定的分箱大小。回覆：JMP 如何調整 Pearson 卡方值的 p 值謝謝托尼婭，這很有幫助。有沒有辦法控製版本的垃圾箱大小？ 15歲以上？在我提供的範例中，我相信我在使用的替代方法中沒有為卡方檢定提供正確的自由度。
回覆：JMP 如何調整 Pearson 卡方值的 p 值原假設下的預期卡方等於自由度。對於此範例，您的自由度很高，N 為 1162。因此我對結果並不感到驚訝。
Pearson 適合度檢定的大多數問題都來自分箱大小。
版本 15 中的 Pearson 適合度檢定已變更。此測試的問題在於 bin 大小沒有明確定義。對於版本 15，JMP 確保每個分箱中至少有 5 個預期觀測值。這樣我們就滿足了經驗法則（假設朝下）。 https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test
最後一個垃圾箱是個例外。如果預期計數小於 5，JMP 不會擔心。
以前，JMP 將最小值和最大值之間的每個整數視為一個 bin。這意味著可能存在觀察值為零且期望值基本上為零的箱子。
