举个例子：
零假设： 颜值跟成绩无显著相关性。
第一步： 想知道零假设是否成立，就要看这组数据是不是随机偶然一抽就能抽到，因此我们计算零假设成立时，即颜值高与颜值低的人，高分低分的数量相同时，得到这样一组数据的 超几何概率 ：
第二步： 做完上面这一步还不够。如果行总数与列总数（又叫边际总数）不变，零假设不成立时的极端情况应该是，颜值高的学习都好！那么我们可以得到新的列联表：
<meta charset="utf-8">
Python中我们用scipy模块 scipy.stats.chi2_contingency 来计算卡方及其P值:
1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.
2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.
3.如果有理论数T＜1或n＜40,则用Fisher’s检验.
https://www.zhihu.com/question/28637406