卡方檢驗的適用條件主要有以下幾點：
一、數據類型
分類變量：
卡方檢驗適用于分析兩個或多個分類變量之間的關系。這些變量可以是名義變量（如性別、職業等，沒有內在的順序關系）或有序變量（如疾病嚴重程度分為輕度、中度、重度等，有一定的順序關系）。
例如，可以用卡方檢驗研究不同性別（男 / 女）的人群在對某種產品的偏好（喜歡 / 不喜歡 / 一般）上是否存在差異。
二、樣本獨立性
隨機抽樣：
樣本數據應該是通過隨機抽樣的方法獲得的，以確保樣本的代表性和獨立性。如果樣本不是隨機抽取的，可能會導致結果偏差。
例如，在進行市場調查時，應該采用隨機抽樣的方法選擇調查對象，而不是有針對性地選擇特定的人群。
相互獨立：
各個觀測值之間應該是相互獨立的。即一個觀測值的出現不會影響其他觀測值的出現概率。
例如，在研究不同治療方法對疾病的療效時，不同患者的治療結果應該是相互獨立的，不能因為一個患者的治療效果而影響其他患者的治療結果。
三、期望頻數
期望頻數大小：
一般要求每個單元格中的期望頻數不能太小。通常建議每個單元格的期望頻數至少為 5，否則卡方檢驗的結果可能不準確。
當出現小期望頻數時，可以考慮合并單元格、增加樣本量或使用精確檢驗方法（如 Fisher 精確檢驗）。
理論頻數計算：
在進行卡方檢驗之前，需要根據原假設計算每個單元格的理論頻數（期望頻數）。理論頻數的計算基于樣本總數和各個變量的邊緣分布。
例如，在一個的列聯表中，如果原假設是兩個變量相互獨立，那么每個單元格的理論頻數可以通過（該單元格所在行的總頻數 × 該單元格所在列的總頻數）÷ 樣本總數來計算。
四、適用場景
關聯性檢驗：
卡方檢驗主要用于檢驗兩個或多個分類變量之間是否存在關聯。例如，可以檢驗不同性別與某種疾病的發生是否有關聯，不同教育程度與職業選擇是否有關聯等。
擬合優度檢驗：
可以用卡方檢驗來檢驗一個樣本是否來自某個特定的分布。例如，檢驗一組數據是否服從均勻分布、泊松分布等。
在這種情況下，將樣本數據按照不同的類別進行分組，然后計算每個類別的實際頻數和在假設分布下的期望頻數，最后通過卡方檢驗來判斷實際頻數與期望頻數之間的差異是否顯著。