Fisher的精确检验采用哪种分布？

在我的工作中，我看到了费舍尔精确检验的几种用法，我想知道它是否适合我的数据。看了几个资料，我了解了如何计算统计量，但从未见过对假定的零假设的清晰而正式的解释。

有人可以向我解释或推荐我对假设分布的正式解释吗？将感谢您对列联表中的值进行解释。

$2\times 2$$X_1 \sim Bin(n_1, \theta_1)$$X_2 \sim Bin(n_2, \theta_2)$$\theta_1=\theta_2$$X_1$$X_1+X_2$$\psi=\frac{\frac{\theta_1}{1-\theta_1}}{\frac{\theta_2}{1-\theta_2}}$$\psi=1$

此发行版具有其Wikipedia页面。

要使用R进行评估，您可以简单地使用定义条件概率的公式：

p1 <- 7/27
p2 <- 14/70
x1 <- 7; n1 <- 27
x2 <- 14; n2 <- 56
# 
m <- x1+x2
dbinom(x1, n1, p1)*dbinom(x2, n2, p2)/sum(dbinom(0:m, n1, p1)*dbinom(m-(0:m), n2, p2))
[1] 0.1818838

或使用包的dnoncenhypergeom功能MCMCpack：

psi <- p1/(1-p1)/(p2/(1-p2)) # this is the odds ratio
MCMCpack::dnoncenhypergeom(x=x1, n1, n2, x1+x2, psi)
[1] 0.1818838

$\chi^2$

• 被评估用于关联的两个变量是真正的多变量全有或全无变量，例如无效/有效的美国/欧洲。如果一个或两个变量是基础连续体的简化，则根本不应该进行分类数据分析。
• $Y$$X$$Y$$Y=y$$X$$x$$Y$$X$$2\times 2$一致性表测试假设接受治疗A的每个受试者都有相同的死亡概率。[有人可能会认为这是一个过于严格的假设，但该职位并未认识到因进行未经调整的联想测验而导致的权力损失。]

$\chi^2$$X$$Y$$Y$$P$$P$$\chi^2$ $P$