人大版_贾俊平第五版_统计学_第9章.pptVIP

* 第9章 分类数据分析 9.1 分类数据与卡方统计量 9.1.1 分类数据 调查结果虽然用数值表示，但不同数值描述的是调查对象的不同特征。分类数据汇总的结果表现为频数。 卡方检验是对分类数据的频数进行分析的统计方法。 AFP金融理财师 /afp/ 叵浵獍 9.2 拟合优度检验 依据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异。 1912年4月15日，豪华巨轮泰坦尼克号与冰山相撞沉没。当时船上共有2208人，其中男性1738人，女性470人。海难发生后，幸存者共718人，其中男性374人，女性344人，以α=0.1的显著性水平检验存活状况与性别是否有关。 如果存活状况与性别无关，男性与女性的幸存比例应该相等。 海难后幸存比例为718/2208=0.325 男性应该为1738*0.325=565人 女性应该为470*0.325=153人。 观测值 期望值 男 374 565 -191 36481 64.6 女 344 153 191 36481 238.4 H0：观察频数与期望频数一致 H1：观察频数与期望频数不一致 自由度为：分类变量类型的个数－1＝1 c2 α=0.1 2.705 决策：拒绝H0 结论：有证据表明存活状况与性别显著相关 拒绝域 一项统计结果声称，某市老年人口所占比例为14.7%，该市老年人口研究会为了检验该项统计是否可靠，随机抽选了400名居民，发现其中有57人老年人。调查结果是否支持14.7%的看法？ 一项统计结果声称，某市老年人口所占比例为14.7%，该市老年人口研究会为了检验该项统计是否可靠，随机抽选了400名居民，发现其中有57人老年人。调查结果是否支持14.7%的看法？ 观测值 期望值 老年人 57 59 -2 4 0.0678 非老年人 343 341 2 4 0.0117 H0：观察频数与期望频数一致 H1：观察频数与期望频数不一致 如果该项统计可靠，400居民中老年人的频数应该为400*14.7%=59 自由度为：分类变量类型的个数－1＝1 c2 α=0.05 5.024 决策：接受H0 结论：调查结果支持该项统计结论 拒绝域 9.3 列联分析：独立性分析 9.3.1 列联表 由两个以上的变量进行交叉分类的频数分布表 行变量的类别用 r 表示， ri 表示第 i 个类别 列变量的类别用 c 表示， cj 表示第 j 个类别 每种组合的观察频数用 fij 表示 表中列出了行变量和列变量的所有可能的组合，所以称为列联表 一个 r 行 c 列的列联表称为 r ? c 列联表 列联表的结构（2 ? ? 列联表） 列( cj ) 合计 j =1 j =1 i =1 f11 f12 f11+ f12 i =2 f21 f22 f21+ f22 合计 f11+ f21 f12+ f22 n 列(cj) 行 (ri) 一个2 ? ? 列联表 列联表的结构（r ? c 列联表的一般表示） 列(cj) 合计 j =1 j = 2 … i =1 f11 f12 … r1 i = 2 f21 f22 … r2 : : : : : 合计 c1 c2 … n 列(cj) 行(ri) r 行 c 列的列联表 fij 表示第 i 行第 j 列的观察频数 一分公司 二分公司 三分公司 四分公司 合计 赞成该方案 68 75 57 79 279 反对该方案 32 75 33 31 141 合计 100 120 90 110 420 【例】一个集团公司在四个不同的地区设有分公司，现该集团公司欲进行一项改革，此项改革可能涉及到各分公司的利益，故采用抽样调查方式，从四个分公司共抽取420个样本单位(人)，了解职工对此项改革的看法，调查结果如下表 边缘分布 行边缘分布 行观察值的合计数的分布 例如，赞成改革方案的共有279人，反对改革方案的141人 列边缘分布 列观察值的合计数的分布 例如，四个分公司接受调查的人数分别为100人，120人，90人，110人 条件分布与条件频数 变量 X 条件下变量 Y 的分布，或在变量 Y 条件下变量 X 的分布 每个具体的观察值称为条件频数 一分公司 二分公司 三分公司 四分公司 合计 赞成该方案 68 75 57 79 279 反对该方案 32 75 33 31 141 合计 100 120 90 110 420 行边缘分布 列边缘分布 条件频数 条件频数反映了数据的分布，但不适合进行对比 为在相同的基数上进行比较，可以计算相应的百分比，称为百分比分布 行百分比：行的每一个观察频数除以相应的行合计数（fij / ri） 列百分比：列的每一个观察频数除以相应的列合计数（ fij / cj