超市试了 A/B/C 三种包装，各问了 50 位顾客；C 的「喜欢」比例最高。
老板想立刻改产线——但「谁最高」和「有没有真差别」，是两件不同的事。
前面几篇我们多半在描述一组数据：平均多少、散不散、图表有没有骗人。现实里更常遇到的是分组对比——不同包装、不同班级、不同疗法、不同按钮颜色，到底表现一不一样？
每种包装各让 50 人打分：喜欢 / 一般 / 不喜欢。你想知道：包装本身会不会影响「喜欢」的比例？
甲班 78、乙班 81、丙班 79、丁班 85——丁班最高。你想知道：班级是不是因素，还是随机波动？
本篇不背检验表，只建立「怎么判断差得多不多」的生活版框架。
多组比较问的不是「哪一组数字最大」，而是：组与组之间的差别，大到不像抽样运气能轻易解释吗？
50 人中 21 人喜欢
50 人中 23 人喜欢
50 人中 26 人喜欢
C 比 A 高 10 个百分点——听起来不少。但若三种包装其实没差，纯靠运气，150 人里也可能碰巧出现「C 略高」的排列。只看冠军，忽略了：差距有多大、整体数据是否支持「有结构性的不同」。
列联表把行（组别）× 列（结果类型）交叉计数。A 可能「喜欢」少，但「不喜欢」也少、中间「一般」多——单看一列比例会漏掉整体模式。
「C 最高，立刻全换 C。」——没问差距是否稳定、是否值得改产线成本。
「三组比例的整体模式，偏离『其实没差』有多远？差够大、样本够稳吗？」
三种包装真实偏好完全一样（各 40% 喜欢），你各问 5 人，完全可能出现 3:1:1 这种「看起来 C 碾压」的表——总共才 15 人，波动极大。
各问 500 人，三组比例会挤在 40% 附近，谁略高谁略低通常差不了几个点——若仍出现 52% vs 38%，才更值得认真怀疑「包装真有影响」。
多组比较本质上也在问：在「各组其实一样」的假设下，眼前这张表有多少见？ 样本大 → 小差距也可能被判定为「显著」；样本小 → 大差距也可能只是噪声（详见《「显著」是什么意思？》）。
行是组别（A/B/C 包装），列是结果（喜欢 / 不喜欢）。每个格子填实际数到的次数（观测值）。一眼能看到：每组内部比例、组间差别大概长什么样。
假设三种包装对喜欢率没有影响，那总体 40% 的人喜欢，这 40% 应该「公平地」分摊到各组——结合每组的样本量，算出每个格子的期望计数。
卡方检验（Chi-square）不要你背表，核心画面是：
Demo 里的「偏离指数」就是这种直觉的简化版——不是正式检验统计量，但方向一致：离期望越远，越值得追问「组间真有差吗」。
结果类型是类别（喜欢/不喜欢、合格/不合格）。问：各组的比例结构是否一致？
结果是数值（考分、等待分钟）。问：各组均值之间的差距，是否大于组内每个人的随机波动？
甲 78、乙 81、丙 79、丁 85——若每班内部成绩很散（有人 40 有人 95），那 7 分的班际差距可能只是正常波动；若每班内部都挤在窄区间，7 分就更「扎眼」。
你可以试试：切换场景、调整每组样本量——看列联表、柱状图和「期望 vs 实际」偏离如何变化。感受「谁最高」和「整体差得多不多」为何不是一回事。
| 喜欢 | 不喜欢 | 行合计 | |
|---|---|---|---|
| 列合计 | — | — | — |
—