20141225第十章卡方检验.pptVIP

第十章 列联分析 对于定类数据的检验方法，不能用前面介绍的方法，而要用卡方检验法。 前些章节对于计数资料的分析方法，是将一个因素作两项分类或两个因素各作两项分类的资料，转换成相对比例之后，进行比例的显著性或比例差异的显著性检验。而这些方法对于多项分类的资料则不适用，而要用卡方检验法。本章主要介绍：拟合度检验法和独立性检验法。 * * 10.1 拟合度检验: 多项总体 1、几个概念 多项总体(Multinominal population):有几个类别中,每个个体被分配到一个类别中. 多项总体涉及到多项概率分布,它将二项分布由两个类别推广到了3个以上的类别. 拟合度检验(Goodness of fit test):一种用于判断是否拒绝总体服从假设的概率分布的统计检验方法. 列联表(Contigency table):在独立性检验中,用于汇总观察频数与期望频数的表格. 例10.1 某市场调查公司进行的市场份额研究。 在过去的一年中，公司A的市场份额稳定于30%，公司B为50%，公司C为20%。最近公司C开发了一种新型改进的产品，该产品已经取代了其当前占有市场的产品。该调查公司受雇于公司C，为它判断新产品是否使市场份额发生了改变？ H0:PA=0.30, PB=0.50, PC=0.20 H1:总体比例不是PA=0.30, PB=0.50, PC=0.20 调查公司用一组200名顾客的群体进行研究。向每个人询问他们对于公司A、公司B、公司C的购买偏好。汇总如下： 观察频数 期望频数 拟合优度检验重点考察观察频数（实际频数）与期望频数（理论频数）之差。它越大，则会引起对假设的比率或市场份额的正确性产生怀疑。 卡方检验统计量的计算过程 2、拟合度检验的应用举例 拟合度检验可以应用到下列几种场合： （1）检验无差假设 假设各类别之间的概率相等，因此，理论次数＝总数×(1/分类项数) （2）检验假设分布的概率 假设某因素各分类的次数分布为某一理论分布（如正态分布），检验实际次数与理论上期望的结果之间是否有显著差异。 （3）连续变量分布的拟合度检验 对于连续随机变量的一组测量数据，有时需要对其次数分布究竟符合哪种理论次数的分布进行探讨，这时，就要用到拟合度检验。 （4）资料用百分数表示的拟合度检验 如果收集到的次数资料已经转成百分数，这时拟合度检验的方法与上述几种情况基本相同，只是最后将计算的卡方值乘以N/100后再查卡方表。 例10.2 某项民意测验，答案有同意、不置可否和不同意三种，调查结果如下表： 48 12 12 24 fi N 不同意 不置可否 同意 问：三种意见的人数是否有显著不同？ 例10.3 某班学生50人,体检结果按一定标准划分为甲、乙、丙三类，各类人数分别为：甲类16人，乙类24人，丙类10人，问该班学生的身体状况是否符合正态分布？ 例10.4 下表所列资料是552名中学生的身高次数分布，问这些学生的身高分布是否符合正态分布。 ?2=3.905 N=552, X=154.62, S=5.07 0.125 0.167 0.150 0.471 0.277 0.035 1.429 1.161 0.090 1 7 24 60 104 130 114 70 31 9 2 0.00237 0.01201 0.04260 0.10888 0.18858 0.23544 0.20615 0.12746 0.05562 0.01710 0.00396 0.0040 0.0020 0.0720 0.1840 0.3187 0.3979 0.3484 0.2154 0.0940 0.0289 0.0067 3.03 2.44 1.85 1.26 0.67 0.07 -0.52 -1.11 -1.70 -2.29 -2.88 15.38 12.38 9.38 6.38 3.38 0.38 -2.62 -5.62 -8.62 -11.62 -14.62 2 7 22 57 110 124 112 80 25 8 4 170 167 164 161 158 155 152 149 146 143 140 169- 166- 163- 160- 157- 154- 151- 148- 145- 142- 139- ei= y×N Pi=y× (组距) ÷S 查正态分布表求y Z=x/S Xc-X =x 实际次数fi 组中值 Xc 身高 分组 例10.5 有一项调查，分为5项：非常同意(A), 同意(B), 不置可否(C)，反对(D), 非常反对(E), 共调查500人，其结果见下表，问各种态度有无不同？ 100 36 12 8 20 24 百分数 500 180 60 40 100 120 观察次数fi 合计