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。
需要两个步骤：1.添加顶线与底线：再选中表格，打开菜单“格式-边框和底纹”，在线型宽度下拉列表中选择类型，选择一条粗一点的线，一般选择1又1/2磅，在右边的各种实框线中，为表格添加“上”框线和“下”框线。点击确定即可添加顶线和底线。
2.用鼠标选中现在的表的第一行，再次点“右键”-“边框与底纹”，对三线表表栏更改其颜色，颜色自己选择，以及线的宽度，然后在右边“预览”框中点上边框按钮，注意看一下右下角的应用于是否为“单元格”，点“确定”。上边框修改之后，再对中线和底线同样的方法为其更改颜色和宽度大小。
三线表是实验测量和计算数据是科技论文的核心内容，作为数据表述主要形式之一的表格，因具有鲜明的定量表达量化信息的功能而被广泛采用。三线表以其形式简洁、功能分明、阅读方便而在科技论文中被推荐使用。
R语言与统计-1：t检验与秩和检验R语言与统计-2：方差分析
拟合优度检验是用卡方统计量进行统计显著性检验的重要内容之一。它是依据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异，从而达到从分类变量进行分析的目的。
简单来说，就是检验样本数据分布是否与已知总体的分布是一致的
如若已知人群中四种血型的占比为0.1 0.5 0.2 0.2，看该组男性的血型分布是否与人群的一致。参数p：传入已知总体的参数情况。
两者写法一样，解释的方法不一样。
卡方齐性检验：比较不同的分类水平下，各个类型的比例是否一致。
卡方独立性检验：
对于行变量为无序分类，列变量为有序分类的数据，由于不能忽略等级关系，也只能使用CMH检验，而不能使用皮尔森卡方检验。
使用CMH检验查看盘尼西林的水平和是否推迟注射对兔子的结局是否有影响。
mantelhaen.test()函数
p值>0.05，无统计学意义。将盘尼西林分为5层水平后，立即注射和推迟1.5h注射的OR值是2.076923
mantelhaen.test()函数
income是一个有序分类变量。结果显示工资水平对工作满意度没有显著的统计学关系。
mcnemar.test()函数
