此分析将您输入到“整体与部分”表中的分布（观测分布）与您在对话框中输入的理论分布（期望分布）进行比较。

1. 将数据输入“整体与部分”表中

请输入对象或事件的实际数量。若输入标准化值、比率或百分比，结果将失去意义。这些数据源自孟德尔的一项著名实验，我从 H. Cramer 的《统计学的数学方法》（普林斯顿大学出版社，1999 年）中获取了这些数据。

2. 输入期望值

单击“分析”，并在“整体部分”部分中选择“比较观测分布与预期分布”。这些值是通过将哈迪-温伯格孟德尔遗传学预测的比例（第一类为 9/16 或 0.5625）乘以实验中使用的豌豆数量计算得出的。 您也可以通过在对话框中选择相应选项，直接输入百分比。

输入期望值。 您可以选择输入每个类别中预期出现的实际对象或事件数量，此时期望值的总和必须等于您在数据表中输入的观测数据总和。或者，您可以选择输入百分比，此时百分比之和必须为100。无论哪种情况，输入分数值都是可以的。

在本示例中，期望值并非整数。这没有问题。这是在进行大量实验时的平均期望值。 当然，在任何单次实验中，每类豌豆的数量必须是整数。这些值是根据孟德尔遗传学计算得出的。例如，理论预测第1类豌豆将占9/16。将该分数乘以本次实验中使用的豌豆总数，即可得到期望值。

3. 选择检验方法

如果您输入了超过两行数据（如本示例所示），则别无选择。Prism 将执行卡方拟合优度检验。

如果您只输入了两行数据，也可以选择二项式检验，我们强烈建议您这样做。当只有两个类别时，卡方检验报告的 P 值会过小。对于小数据集而言，这是一个严重的问题，但即使样本量达到数百，这种偏差仍然存在。请使用二项式检验。

4. 解读 P 值

结果表汇总了数据，报告了卡方值及其自由度（如果您选择了卡方检验），并给出了 P 值。零假设是：观测数据是从具有预期频率的总体中抽样的。P 值回答了以下问题：

假设产生期望值的理论是正确的，观察值与期望值之间出现如此大的偏差（或更大的偏差）的概率是多少？

较小的P值表明数据并非采样自预期的分布。在本示例中，P值较大（0.93），因此数据未提供任何证据表明观测数据与基于理论的期望值之间存在差异。