MATLAB 里的Chisquaretests功能蛮实用，适合统计里那些分类数据的均匀性或独立性检验。脚本通常封装得比较完整，像chi2Tests.m里头就集成了克雷西检验、皮尔逊卡方检验和对数概率检验，你只要准备好数据，直接调用函数就行，响应也快，结果清晰。

三种检验方式用法不太一样。皮尔逊最常见，适合看两个变量是不是互相关联，比如“性别和职业有没有关系”；Cressie-Read比较适合多分类、不太平衡的数据集；LRT就偏模型层面，像比较两个模型谁更适合数据。嗯，选择哪个得看你的数据长啥样。

输入数据一般要整理成矩阵形式，每行每列表示不同的分类，像交叉表那样，单元格里填的是两个变量同时出现的次数。调用脚本之后，会输出卡方值、自由度还有 p 值，拿着这些就能判断要不要拒绝原假设了。一般p < 0>就变量间的关系不是巧合。

文件里应该还带了license.txt，用之前最好瞄一眼，看看能不能改代码或者用于项目中。哦对了，如果你想搞清楚卡方检验背后的理论或者找点例子，可以去看看下面那几个链接，挺有的。

如果你经常用 MATLAB 做数据、尤其是分类数据，Chisquaretests真是个不错的小工具。懒得手撸统计检验过程的，直接上这个就对了。