对二维离散型随机变量.docVIP

对二维离散型随机变量 这是很少关注数量本身的值（即少用描述性统计量去刻划），更关注变量间的关系 假设检验： 变量间的共有关系（离散型变量取值为名义值和顺序值时均可考虑这些问题）： 独立性 条件分布是否相同（与某种因素无关） 变量间的特殊关系（离散型变量取值顺序值时可考虑这些问题） 相合性 （指两个取顺序值的离散随机变量间，取值顺序间有关系，要么一致（正相合），要么不一致（负相合）） 一致性（前提是在方表中，指倾向性是否一致，对应的次序一致） 边缘分布是否相同（齐性检验，）， 对称性（表明两个因素水平间的作用相同） 1．在四格表中， 不相关与独立性等价； 独立性与条件概率相等相互等价 边缘齐性和对称性相互等价(一般来讲,由对称性可导致边缘齐性,反之并不成立)； 2．统计量：统计量和似然比检验统计量（高维表时为似然比统计量）。 3．边缘齐性检验：McNemar 检验 :（即：边缘分布相同）---用于配对数据的检验（方表） 4．Fisher精确检验的大样本形式的检验: Mantel Haenszel 检验 ::的检验,称为Mantel Haenszel 检验 5．相合性的测度： Kendall的系数 Gamma系数 Somers d系数（主要针对或列联表） 6．方表一致性检验： Kappa系数 7．高维表的检验： 条件相合性的检验： Cochran-Mantel-Haenszel检验 条件相合程度的检验： Breslow-Day检验 独立与不相关 四格表的概率表 独立性定义为:, (1) 属性A和B相互独立（条件概率相等）:,其中, 属性A和B相互独立与独立性相互等价 下面说明,这两种独立性是等价的.即(1)(2) (1)(2): ,,有 (2)(1): 由,即有,(此式也可作为属性A和B相互独立的定义) 又= = 同理有: 注:从上面的证明过程中可以看出,(1)中四个等式,只要一个成立,其余三个就成立,如成立,,则有,,成立. 不相关与独立性等价 下面对四格表进行一下调整,更具有教科书上的形式: 四格表的概率表 X 合计 合计 下面来求X,Y的协方差: = = = 若X,Y不相关,有,由,得,从而得独立性的定义. 所以,在四格表中,不相关与独立等价. 注:不相关与随机变量的取值无关.事实上令,则有,显然有: ,具有相同的相关系数.这时针对随机变量的计算就简单得多. 注：正如相关系数一样，它衡量了两个随机变量间线性关系的程度。如何衡量两个离散型随机变量的相关程度，很多统计学家们提出了不少的统计量，但多多少少还是有些缺陷。常用的衡量统计量是基于统计量的（对于相同的值，若样本容量不同，会造成检验的结果完全不一样，为了消除这种影响，解决的办法是用去除统计量）： 系数 或 ：缺点：没有象相关系数那样的特点，其值在[-1，1]之间，用起来并不方便。另外这个统计量的界为大于等于0，没有固定的上界。但这个量是下面几个统计量的基础。 的列联系数，这是Pearson于1904年提出的修正结果，并称之为列联系数（Coefficient of contingency）。其值在[0，1]内，且=0时，达到下界0，然而它不能达到其上界1。Kendall Stuart指出，即使在完全相关时，C值与表中的行，列数有关。 朱普洛夫系数，其特点为：完全独立时，取值为0，在完全相关，且行列数相等的情况下，其值为1（若行列数不等时，则不能达到上界值1--Kendall Stuart所说） 克雷莫（Cramer 1946） 其特点为：当为方表时（行列数相等的表），，在其他情况下有（当行列数差别不大时，这两个统计量的值相差不大） 注意：以上几个量均不具有概率的意义 Goodman Kruskal的度量： 思想：两个变量的关联程度可以考虑为：有关某一变量的分类知识能在多大程度上改善人们预测按另一变量分类情况的能力 其构造的过程如下：如在284个陆续住入精神病院的患者中按社会等级和诊断分类得如下频数表：（兴趣在于：知道一个人的社会地位，在多大程度上有效地预测他患病的类型？） 诊断（变量B） 神经病 抑郁症 人格异常 精神分裂症 社会等级 （变量A） 1 45 25 21 18 109 2 10 45 24 22 101 3 17 21 18 18 74 72 91 63 58 284 当不知道一个人的社会地位时：从上表可以看出，最可能得抑郁症（预测值为边际概率最大者） =