通过独立性测试，可以验证两个变量 X 和 Y 之间是否没有统计链接。当两者之间没有统计联系时，这两者被认为是独立的，换句话说， X 的知识绝不会允许对 Y 。

我们可以通过检验独立性的χ2（chi-2）或Pearson的χ2来检查两个变量之间的独立性。

制定了零假设（H0），后者和变量X和Y在它们之间是独立的。

的假设意味着变量X和Y彼此不相关，在这种情况下，对类别的期望可以定义如下：

知道一个类是由变量X和Y的两个值定义的。

E是期望，O是观测值，I是变量X的值数，J是变量Y的值数，N是数d '样本。

在上述期望值和观察值之间进行距离测量χ2。

根据自由度将距离χ2与参考表 。通常认为，当与距离χ2相关的p值小于0.05时，就可以验证假设。

如果该值低于此阈值，则该假设有效，否则，该假设无效。

如果独立性假设得到确认，则不可能在两个变量之间找到联系。

如果假设无效，则由于第二个变量的值，我们可以推断出一个变量。

仅当样本数大于30时才能执行独立χ2检验。

还必须遵守Cochran标准，该标准指出：