1.2独立性检验基本思想及其初步应用资料.ppt

独立性检验的基本思想： * 1．上节学习了回归分析的基本方法．线性回归模型y＝bx＋a＋e不同于一次函数y＝bx＋a，含有__________，其中x为_________，y为__________. 随机误差e 解释变量 预报变量 样本点的中心 残差平方和 1、两个相关的概念 对于性别变量，其取值为男和女两种，这种变量的 不同“值”表示个体所属的不同类别，像这样的变量称为 分类变量，也称为属性变量或定性变量，它们的取值一定是离散的，而且不同的取值仅表示个体所属的类别。 （1）分类变量： 定量变量的取值一定是实数，它们的取值大小有 特定的含义，不同取值之间的运算也有特定的含义。 （2）定量变量： 例如身高、体重、考试成绩等，张明的身高是180cm，李立的 身高是175cm，说明张明比李立高180-175=5（cm）。 独立性检验 本节研究的是两个分类变量的独立性检验问题。 独立性检验 独立性检验 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 由列联表可以粗略估计出，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，直观上可以得到结论：吸烟者和不吸烟者患肺癌的可能性存在差异. 与表格相比，图形能更直观地反映出相关数据的总体状况. 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（列出两个分类变量的频数表）： 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 1、列联表 2、三维柱形图 3、二维条形图 不患肺癌 患肺癌 吸烟 不吸烟 不患肺癌 患肺癌 吸烟 不吸烟 0 8000 7000 6000 5000 4000 3000 2000 1000 从三维柱形图能清晰看出各个频数的相对大小. 从二维条形图能看出，吸烟者中 患肺癌的比例高于不患肺癌的比例. 不吸烟 吸烟 患肺癌 比例 不患肺癌 比例 4、等高条形图 等高条形图更清晰地表达了两种情况下患肺癌的比例. 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？这需要用统计观点来考察这个问题. 现在想要知道能够以多大的把握认为“吸烟与患肺癌有关”，为此先假设： H0：吸烟与患肺癌没有关系 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 把数字用字母代替，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 吸烟与患肺癌的列联表： 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应差不多，即 |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 若H0成立，即“吸烟与患肺癌没有关系”，则K2应很小. 由列联表中数据，利用公式（1）计算得K2的观测值为： （1） 其中n=a+b+c+d为样本容量. 在H0成立的情况下，统计学家估算出如下的概率： 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，是一个小概率事件.现在K2的观测值为56.632，远远大于6.635，所以有理由断定H0不成立，即认为“吸烟与患肺癌有关系” 但这种判断会犯错误，犯错误的概率不会超过0.01，即我们有99％的把握认为“吸烟与患肺癌有关系”. 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. (类似于数学上的反证法，对“两个分类变量有关系”这一结论成立可信程度的判断)： （1）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. （2）在假设条件下，计算构造的随机变量K2，如果由观测数据计算得到的K2很大，则在一定程度上说明假设不合理. （3）根据随机变量K2的含义，可以通过（2）式评价假设不合理的程度，由实际计算出的k6.635，说明假设不合理的程度约为99%，即“两个分类有关系”这一结论成立的可信程度约为99%. 设要判断的结论为：H1：“X与Y有关系” 1、通过条形图，可以粗略地判断两个变量是否有关系。 2、可以利用独立性检验来考察两个分类变量是否有关系，并且能较精确地给出这种判断的可靠程度。 独立性检验的一般步骤： a+