獨立检验的基本思想及其初步应用.pptVIP

3.2 独立性检验的基本思想及其初步应用 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） 列联表 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 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. 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，统计学中构造一个随机变量 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： 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. 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，对“两个分类变量有关系” 这一结论成立的可信程度的判断： （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，说明假设成立的程度不足1%，不成立的程度超过99%，即有大于99%的把握认为“两个分类变量有关系”这一结论成立. y1 y2 总计 x1 a b a+b x2 c d c+d 总计 a+c b+d a+b+c+d 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（称为2x2列联表）为： 计算： 利用独立性检验来考察两个分类变量是否有关系，能较精确地给出这种判断的可靠程度. 独立性检验具体作法是： （1）根据实际问题需要的可信程度确定临界值k0； （2）由观测数据计算得到随机变量K2的观测值k； （3）如果k6.635，就以 1-P(K2≥6.635)×100%（99%）的把握认为“X与Y有关系”；否则就说样本观测数据没有提供“X与Y有关系”的充分证据. 0.1%把握认 为A与B无关 1%把握认为A与B无关 99.9%把握认 为A与B有关 99%把握认 为A与B有关 90%把握认 为A与B有关 10%把握认为 A与B无关 没有充分的依据显示A与B有关，但也不能显示A与B无关 例如（解决问题时先假设A与B无关） K2临界值 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1 在某医院，因为患心脏病而住院的665名男性病人中，有214人秃顶；而另外77