创建两个样本数据向量，包含三个和四个不同的值，分别。

X = [1 1 2 3 1];Y = [1 2 5 3 1];

交叉制表X和ÿ。

表=交叉（X，Y）

表=3×42 1 0 0 0 0 0 1 0 0 1 0

在该行表对应于三个不同的值X，而列对应于四个不同的值ÿ。

生成两个独立的载体，X1和X2，每个包含在范围50张离散均匀随机数1:3。

RNG默认;％，持续重现X1 = unidrnd（3,50,1）;X2 = unidrnd（3,50,1）;

交叉制表X1和X2。

[表，χ2，P] =交叉（X1，X2）

表=3×31 6 7 5 5 2 11 7 6

χ2 = 7.5449

p值= 0.1097

返回p的价值0.1097表明，在5％的显着性水平，交叉表不能拒绝零假设，即表独立于每个维度。

加载样本数据，其中包含在年1970-1982的大型汽车模型测量。

加载carbig

交叉制表的四缸车的数据（CYL4）根据车型年（什么时候）和原产国（组织）。

[表，χ2，P，标签] =交叉（CYL4，何时，ORG）;

采用标签以确定在索引位置表为在数据的后期在美国制造四缸汽车的数量。

标签

标签=3×3单元阵列{ '其他'} { '早期'} { 'USA'} { '四大'} { '中'} { '欧洲'} {为0x0双} { '晚'} { '日本'}

第一列标签对应于数据CYL4，并表示该行2的表包含有四个汽缸的汽车数据。第二列标签对应于数据什么时候，并指示该列3的表包含在后期制造的汽车数据。第三列标签对应于数据组织，并指示该位置1的第三尺寸的表包含在美国制造汽车的数据。

因此，表（2,3,1）包含在后期在美国制造的四缸车的数量。

表（2,3,1）

ANS = 38

该数据包含在后期在美国制造38四汽缸汽车。

加载医院的数据。

加载医院

该医院数据集数组包含100周医院的病人数据，包括姓名，性别，年龄，体重，吸烟状况，以及收缩期和舒张期血压测量。

要确定是否吸烟状况是独立的性别，使用交叉表创建吸烟者和非吸烟者的2×2列联表，按性别分组。

[TBL，χ2，P，标签] =交叉（hospital.Sex，hospital.Smoker）

TBL =2×240 13 26 21

χ2 = 4.5083

p值= 0.0337

标签=2×2单元{ '女'} { '0'} { '男'} { '1'}

所得偶然性表中的行TBL对应于患者的性别，用含有数据为女性行1和包含的数据为男性行2。列对应于患者的吸烟状态，用含有数据非吸烟者塔1和包含的数据为吸烟者塔2。返回的结果χ2 = 4.5083是卡方检验统计量独立性的Pearson卡方检验的价值。返回值p值= 0.0337是一个近似 $$p$$- 值基于卡方分布。