第三章 统计案例 3.2 独立性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 1．了解独立性检验(只要求2×2列联表)的基本思想、方法及其简单应用． 2．了解假设检验的基本思想、方法及其简单应用． 1．分类变量和列联表 (1)分类变量 变量的不同“值”表示个体所属的 ，像这样的变量称为分类变量． (2)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{x1，x2}和{y1，y2}，其样本频数列联表(称2×2列联表)为 思考1　分类变量中的“变量”和“值 ”与定理中的变量和值有什么不同？ 分类变量中所说的“变量”和“值”不一定取具体的数值．例如：对于性别变量，取值有男和女两种情况，那么这里的变量指的是性别，同样这里的值是“男”或“女”．在现实生活中，分类变量是大量存在的． 思考2　列联表中|ad－bc|的值与两个分类变量之间关系的强弱有什么关系？ 在列联表中，如果两个分类变量没有关系，则应满足ad－bc≈0，因此|ad－bc|越小，说明两个分类变量之间关系越弱；|ad－bc|越大，说明两个分类变量之间关系越强． 2．等高条形图 等高条形图与表格相比，更能直观地反映出两个分类变量间是否 ，常用等高条形图展示列联表数据的 ． 3．独立性检验 思考3　如果有95%的把握认为X和Y有关系，那么k的值应不小于多少？ 如果k＞3.841，就有95%的把握认为X和Y有关系．故k的值不小于3.841. 思考4　若没有充分的证据显示“X与Y有关系”，则k的取值有什么特点？ k≤2.706. 1.分类变量的不同取值表示个体所属的不同类别，它也称为属性变量或定性变量．分类变量的取值是离散的，且其不同的取值仅表示个体所属的不同类别，如性别变量只取“男”、“女”两个值． 2．分类变量与定量变量不同，定量变量的取值一定是实数，它的取值有特定的含义，它的运算和统计量，如均值、方差等都有实际意义，例如：身高、体重等；而分类变量则无直接的数值意义，虽然有时也用数字来表示分类变量的不同取值，但这时的数字除了分类别无其它意义． 3．2×2列联表是传统的调查研究中最常用的方法之一，它用于研究两个变量之间是相互独立的还是存在某种关联性，它适用于分析两个分类变量之间的关系． 4．2×2列联表是将两个分类变量的频数进行汇总统计的表格，列出2×2列联表是进行独立性检验的前提，分清类别，准确计算是做出2×2列联表的关键． 5．利用2×2列联表进行独立性检验时，要求表中的4个数据都要大于5，因此在选取样本时一定要注意这一点. 要判断两个分类变量有关系，首先假设该结论不成立，即假设“两个分类变量没有关系”成立，在该假设下我们所构造的随机变量K2应该很小，如果由观测数据计算得到的K2的观测值k很大，则在一定程度上说明假设不合理，即认为“两个分类变量有关系”；如果观测值k很小，则说明在样本数据中没有发现足够证据拒绝“两个分类变量没有关系”． 要判断K2的观测值k的大小，首先需确定一个判断规则的临界值k0(k0＞0)，当k≥k0时就认为K2的观测值k大，此时相应于k0的判断规则为：如果k≥k0，就认为“两个分类变量有关系”；否则就认为“两个分类变量没有关系”．按照上述规则，把“两个分类变量没有关系”错误地判断为“两个分类变量有关系”的概率为P(K2≥k0). (1)根据实际问题的需要确定容许推断“两个分类变量有关系”犯错误概率的上界α，然后查下表确定临界值k0. 下表是某地区的一种传染病与饮用水的调查表： (1)这种传染病是否与饮用水的卫生程度有关，请说明理由； (2)若饮用干净水得病5人，不得病50人，饮用不干净水得病9人，不得病22人．按此样本数据分析这种疾病是否与饮用水有关，并比较两种样本在反映总体时的差异． 【分析】　(1)根据表中的信息计算K2的观测值，并根据临界值表来分析相关性的大小，对于(2)要列出2×2列联表，方法同(1)． (2)依题意得2×2列联表： 所以我们有97.5%的把握认为该种疾病与饮用不干净水有关． 两个样本都能统计得到传染病与饮用不干净水有关这一相同结论，但(1)中我们有99.9%的把握肯定结论的正确性，(2)中我们只有97.5%的把握肯定． 打鼾不仅影响别人休息，而且可能与患某种疾病有关．下表是一次调查所得的数据： 根据列联表的独立性检验，能否在犯错误的概率不超过0.001的前提下认为每一晚都打鼾与患心脏病有关系？ 为了调查某生产线上，某质量监督员甲对产品质量好坏有无影响，现统计数据如下：质量监督员在现场时，990件产品中合格品为982件，次品数为8件，甲不在现场时，510件产品中合格品为493件，次品数为17件，试分别用列联