统计案例-独立性检验.pptxVIP

统计案例;第二章 统计（必修3）知识结构;第三章 概率（必修3）;第二章 概率（选修2-3）;3.1 独立性检验;我们经常听到这些说法： 吸烟对患肺癌有影响； 数学好的人物理一般也很好； 性别与是否喜欢数学课程之间有关系； 人的血型会决定人的性格； 星座与人的命运之间有某种联系； 这些说法都有道理吗？;例1;这个例子中给出的表格称为2×2列联表，意思是问题中要考虑50岁以上的人的两种状态：是否吸烟，是否患慢性气管炎；每种状态又分两种情况：吸烟，不吸烟以及患慢性气管炎，未患慢性气管炎 表中排成两行两列的数据是调查得来的结果，希望根据这4个数据来检验上述两种状态是否有关 这一检验问题就称为2×2列联表的独立性检验;为了把问题讨论清楚，并便于向一般情况推广，我们用字母来代替2×2列联表中的事件和数据，得到一张用字母来表示的2×2列联表：;（1）首先，当吸烟(A)与患慢性气管炎(B)无关时，用概率方法进行推理，看看会出现什么结果 事件A与B无关什么意思？ 此时应该有P(AB)=P(A)P(B)成立 我们用字母H0表示上式，即H0: P(AB)=P(A)P(B)，并称之为统计假设;当H0成立时，下面的三个式子也都成立： 根据概率的统计定义，上面提到的众多事件的概率都可以用相应的频率来估计，例如：;2013-5-30;2013-5-30;2013-5-30;（2）上面的表达式(1)就是统计中非常有用的卡方统计量，它可以化简为 用它的大小可以决定是否拒绝原来的统计假设H0 如果算出的卡方值较大，就拒绝H0，也就是拒绝“事件A与B无关”，从而就认为它们是有关的了 ;两个临界值：3.841与6.635 经过对卡方统计量分布的研究，已经得到了这两个临界值 当卡方大于3.841时，有95％的把握说事件A与B有关；当卡方大于6.635时，有99％的把握说事件A与B有关，当卡方≤3.841时，认为事件A与B是无关的;;对于例1，最理想的解决办法是向所有50岁以上的人做调查，然后对得到的数据进行统计处理，但这花费的代价太大，实际上是行不通的 339个人相对于全体50岁以上的人，只是一个小部分 现在我们用部分对全体作推断，推断可能正确，也可能错误;例如我们知道，不少中老年烟民的身体很好，没有患慢性气管炎；而又有很多从不吸烟的中老年人体质很差，患有慢性气管炎;我们有95％的把握说事件A与B有关，是指推断犯错误的可能性为5％，这也常常说成是“以95％的概率”，其含义是一样的 统计的基本思维模式是归纳的，它的特征之一是通过部分数据来推测全体数据的性质 因此，统计推断是可能犯错误的 我们从数据上体现的只是统计上的关系，而不是因果关系;例1的解答： ;注意： 50岁以上吸烟的人一定患慢性气管炎吗？ 是不是表示得病概率是百分之九十九？ 使用卡方统计量作2×2列联表的独立性检验时，要求表中的4个数据都要大于5，为此，在选取样本的容量时一定要注意这一点;例2.在500人身上试验某种血清预防感冒作用，把他们一年中的感冒记录与另外500名未用血清的人的感冒记录作比较，结果如表所示。问：该种血清能否起到预防感冒的作用？;P(χ≥x0);P(χ≥x0);例5;第5个零件的尺寸落在控制下限以下，表明小概率事件竟然发生了，根据实际推断原理，我们有理由怀疑此时机器还在正常生产。比如，可能原料有问题，可能操作有误，可能机器出故障……此时可以停机检修和调整，以免产生大量不合格产品 假定5个零件的尺寸都落在控制上限与控制下限之间，则表明机器处于正常工??状态，可以继续生产下去;例6;（1）作统计假设：商店里有假烟 （2）在上述假设成立的条件下，计算该顾客买到全部真烟的概率 0.039 （3）我们以概率0.961认为商店里没有假烟 当然，如果顾客买的烟中发现有假烟，自然就认为假设成立，即商店里有假烟;思考