高中数学《1.2独立性检验的基本思想及初步应用》课件3.pptVIP

* * 1.2 独立性检验的基本思想及其初步应用 分类变量:变量的不同”值”表示个体所属的不同 类别. 如:性别,是否吸烟,宗教信仰,国籍等 在日常生活中,我们常常关心两个分类变量之间 是否具有关系.例如,吸烟是否与患肺癌有关系? 性别是否对于喜欢数学课程有影响?等等 为调查吸烟是否对患肺癌有影响,某肿瘤研究所 随机地调查了9965人,得到如下结果(单位:人) 吸烟与患肺癌列联表 9965 91 9874 总计 2148 49 2099 吸烟 7817 42 7775 不吸烟 总计 患肺癌 不患肺癌 列联表:列出两个分类变量的频数表 那么吸烟是否对患肺癌有影响? 粗略估计:在不吸烟者中,有0.54%患有肺癌;在吸烟 者中,有2.28%患有肺癌.因此,直观上得到结论: 吸烟者和不吸烟者患肺癌的可能性存在差异 三维柱形图 二维条形图 等高条形图 上面我们通过分析数据和图形,得到的直观印象 是吸烟和患肺癌有关,那么事实是否真的如此呢? 能够以多大的把握认为”吸烟与患肺癌有关”,假设 H0:吸烟与患肺癌没有关系,看看能推出什么结论 把前表中的数字用字母代替,得到如下用字母表示的列联表: a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟 总计 患肺癌 不患肺癌 a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟 总计 患肺癌 不患肺癌 如果”吸烟与患肺癌没有关系”,则在吸烟者中不患肺癌 的比例应该与不吸烟者中相应的比例差不多,即 因此|ad-bc|越小,说明吸烟与患肺癌之间关系越弱; |ad-bc|越大,说明吸烟与患肺癌之间关系越强; 为了使不同样本容量的数据有统一的评判标准, 基于上述分析,我们构造一个随机变量: 9965 91 9874 总计 2148 49 2099 吸烟 7817 42 7775 不吸烟 总计 患肺癌 不患肺癌 利用公式计算得K2的观测值为: 这个值是不是很大呢? 在H0成立的情况下,统计学家估算出如下的概率: 即在H0成立的情况下,K2的值大于6.635的概率 非常小,近似于0.01. 也就是说,在H0成立的情况下对随机变量K2进行 多次观测,观测值超过6.635的频率约为0.01 只有1%,因此我们有99%的把握认为H0不成立, 即有99%的把握认为”吸烟与患肺癌有关系” 上面这种利用随机变量K2来确定在多大程度上 可以认为”两个分类变量有关系”的方法称为两个 分类变量的独立性检验 独立性检验的基本思想类似于数学上的反证法.要确认”两个分类变量有关系”这一结论成立的可信程度,首先假设该结论不成立,即假设结论”两个分类变量没有关系”成立.在该假设下我们构造的随机变量K2应该很小,如果由观测数据计算得到的K2的观测值k很大,则在一定程度上说明假设不合理. 10.828 7.879 6.635 5.024 3.841 2.706 2.072 1.323 0.708 0.455 0.001 0.005 0.010 0.025 0.05 0.10 0.15 0.25 0.40 0.50 例.为考察高中生的性别与是否喜欢数学课程之间的 关系,在某城市的某校高中生中随机抽取300名学生, 得到如下列联表: 性别与喜欢数学课程列联表: 300 228 72 总计 178 143 35 女 122 85 37 男 总计 不喜欢数学课程 喜欢数学课程 由表中数字计算K2的观测值,在多大程度上可以认为 高中生的性别与是否喜欢数学课程之间有关系? 为什么? 有95%的把握认为”性别与是否喜欢数学课程之间有关系” k≈4.513 a+b+c+d b+d a+c 总计 c+d d c a+b b a 总计 若要推断的结论为H1:”X与Y有关系”,可如下操作: 1.通过三维柱形图和二维条形图,可以粗略地判断两个 变量是否有关系,但是这种判断不精确. a+b+c+d b+d a+c 总计 c+d d c a+b b a 总计 a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟 总计 患肺癌 不患肺癌 主对角线 副对角线 (1)在三维柱形图中,主对角线上两个柱形高度的乘积ad与 副对角线上两个柱形高度的乘积bc相差越大,H1成立的 可能性就越大 Sheet3 Sheet2 Sheet1 Chart1 不患肺癌 患肺癌 总计 不吸烟 吸烟 不患肺癌 患肺癌 总计 不吸烟 7775.00 42.00 7817.00 吸烟 2099.00 49.00 2148.00 总计 9874.00 91.00 9965.00 不吸烟 吸烟 不吸烟 吸烟 不患肺癌 不患肺癌 患肺癌 患肺癌 7775.00