1.2独立性检验的基本思想及其初步应用(2课时选修2-3)答辩.ppt

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。 在日常生活中，我们常常关心分类变量之间是否有关系： 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。 吸烟与肺癌列联表 不患肺癌 患肺癌 总计 不吸烟 7775 42 7817 吸烟 2099 49 2148 总计 9874 91 9965 为了调查吸烟是否对肺癌有影响，某肿瘤研究所随机地调查了9965人，得到如下结果（单位：人） 在不吸烟者中患肺癌的比重是 在吸烟者中患肺癌的比重是 说明：吸烟者和不吸烟者患肺癌的可能性存在差异，吸烟者患肺癌的可能性大。 0.54% 2.28% 探究 列联表 ①定义：列出的两个分类变量的 称为列联表． ②2×2列联表 一般地，假设两个分类变量X和Y，它们的取值分别为 和 ，其样本频数列联表(也称为2×2列联表)为下表. 频数表 {x1，x2} {y1，y2} 一般地，假设有两个分类变量X和Y，它们的可能取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(即2×2列联表)为： (其中n＝ 为样本容量)． y1 y2 合计 x1 a b a＋b x2 c d c＋d 总计 a＋c b＋d a＋b＋c＋d a＋b＋c＋d 不吸烟 吸烟 患肺癌 比例 不患肺癌 比例 等高条形图 等高条形图清晰地表达了两种情况下患肺癌的比例。 1．2×2列联表是传统的调查研究中最常用的方法之一，用于研究两个变量之间相互独立还是存在某种关联性，它适用于分析两个变量之间的关系． 2．在实际问题中，判断两个分类变量的关系的可靠性时，一般利用随机变量K2来确定． 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. 不患肺癌 患肺癌 总计 不吸烟 a b a+b 吸烟 c d c+d 总计 a+c b+d a+b+c+d 把表中的数字用字母代替，得到如下用字母表示的列联表 用A表示不吸烟，B表示不患肺癌，则“吸烟与患肺癌没有关系”等价于“吸烟与患肺癌独立”，即假设H0等价于 P(AB)=P(A)P(B). 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。 不患肺癌 患肺癌 总计 不吸烟 a b a+b 吸烟 c d c+d 总计 a+c b+d a+b+c+d 在表中，a恰好为事件AB发生的频数；a+b和a+c恰好分别为事件A和B发生的频数。由于频率接近于概率，所以在H0成立的条件下应该有 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-----卡方统计量 （1） 若 H0成立，即“吸烟与患肺癌没有关系”，则K2应很小。 根据表3-7中的数据，利用公式（1）计算得到K2的观测值为： 那么这个值到底能告诉我们什么呢？ （2） 独立性检验 k大小的标准是什么呢？ 独立性检验 首先，假设结论不成立，即 H ：两个分类变量没有关系 （在这种假设下k应该很小） 其次，由观测数据计算K 的观测值k， （如果k很大，则在一定可信程度上说明H 不成立,即两个分类变量之间有关系） 最后，根据k的值判断假设是否成立 2 临界值表： 0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 0.445 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 这种判断可能有错误，但是犯错误的不会超过0.001，这是个小概率时间，我们有99.9%的把握认为“吸烟与患癌症有关系” 利用随机变量K2来确定是否能以一定把握认为“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． 在吸烟与患肺病这两个分类变量的计算中，下列说法正确的是（ ） A、若K的观测值为k=6.635,我们有99%的把握认为吸烟与患肺病有关系，那么在100个吸烟的人中必有99个患肺病 B、从独立性检验可知有99%的把握认为吸烟与患肺病有关系时，我们说某人吸烟，那么他有99%的可能患肺病 C、若从统计量中求出有95%的把握认为吸烟与患肺病有关系，是指有5%的可能性使得推理出现错误 D、以上三种说法都不对 c 例2　某电视台联合相关报社对“男女同龄退休”