a<-rnorm(100)
#卡方分布图
b<-dchisq(a,1) #变换为卡方分布
hist(b)
#t分布图
c<-dt(a,1,0)#变换为t分布
hist(c)
#F分布图
d<-df(a,1,1,0)#变换为f分布
hist(f)
卡方分布(non-central)Chi-Squared Distribution，chisq它广泛的运用于检测数学模型是否适合所得的数据，以及数据间的相关性。数据并不需要呈正态分布
k个标准正态变量的平方和即为自由度为k的卡方分布。
quantile function 分位数函数 qchisq(p, df, ncp=0, lower.tail = TRUE, log.p = FALSE)
其中df为degrees of freedom。ncp是non-centrality parameter (non-negative).ncp=0时是central卡方分布，ncp不为0时，表示这个卡方分布是由非标准正态分布组合而成，ncp=这些正态分布的均值的平方和。
我们想知道喝牛奶对感冒发病率有没有影响，以下为数据统计的四格表：
从上文中我们通过卡方计算公式手动计算出P在0.1到0.5,说明牛奶对感冒发病率没有影响。
下面我们通过R计算一下具体p直：
x<-matrix(c(43,28,96,84),ncol=2,nrow=2)
chisq.test(x)$p.value
此外出来2X2联表，还可以计算一维表（自由度为个数），例如下面：
判断5种品牌啤酒的爱好者有无显著差异：
P值越大，支持原假设的证据就越强，给定显著性水平α（取0.05）, 当P值小于α时，就拒绝原假设。
