[工学]列联表.pptVIP

第二章 信息分类分析第一节 列联表 逻辑分类法 在分解方法中，分类方法是使用很早，应用很广的一种方法。分类方法的基本思路是：按照事物属性的异同将事物区别、划分为不同的种类，因此，类是具有某种共同属性的集合。 分类作为一种认识事物、区别事物的方法已有几千年的历史了。一般来说，实用的分类方法都是将事物区别为具有一定从属关系的不同层次的大小类别，形成概念系统，反映客观事物的联系和区别。 逻辑分类的原则 从方法的角度看，逻辑分类法所规定的逻辑原则是进行分类的基础。进行分类，应遵循以下逻辑原则： ⒈每个层次的分类必须按同一标准或准则进行。 ⒉必须按照事物的属种包含关系分层次进行。 ⒊分类得到的种与种之间必须是不相容的，即相互独立的。 ⒋分类所产生的种的概念外延之和必须等于概念的外延。 属性数据 为了某种目的通过调查表进行社会调查得到的数据——调查数据一般是属性数据．即在许多调查研究中，所得到的信息是样本中个体的分类，而不是定量变量的值． 例如，在某次市场调查中，根据人们的性别、学历、对某种商品的喜好等，将他们分类． 在某次政府调查中，根据公司的产品类型、公司的所在地区、及产品是否出口，将这些公司分为不同组． 一维多项分类分析 将总体按照某种特性分为A1，A2，……Ak，计k个类型，每一个体仅属于其中一个类型，总体中属于k个类型的比例P1，P2，……Pk。现从总体中随机抽查n个样本单位，其中属于类Ai有ni个，i=1，2，…k。现作原假设： P1 = P2 =……= Pk 。 一维多项分类分析 定义统计量 一维多项分类分析 给定显著性水平a，如果 ， 则拒绝H0，即k个类型之间有显著差异(或者说至少有一个类型与其他类型不同)；如果 ，则接受H0 ，即k个类型之间没有显著差异。 一维多项分布的性质 多项分布是二项分布的扩展，可以看成是多项试验得到的分布。有若干性质： 多项试验由n个相同的试验组成 每个试验的结果都落在k组中的某一组内 某个试验的结果落在某一特定组的概率在试验之间保持不变。且有 试验是独立的 试验者关心的n1,n2,…nk,这里ni等于试验落在组i的数目。注意，n1+n2+…+nk=n 例2.1 某信息咨询公司受委托调查了解顾客对甲、乙、丙三种品牌矿泉水的喜好程度，随机观察了150名购买者的购买情况，并作如下统计。 问顾客对这三种品牌矿泉水的喜好是否存有差异？ 解 本题是一维三项概率分布。 令p1、p2、p3分别表示顾客喜好甲、乙、丙品牌的比例，若顾客对这三种品牌矿泉水的喜好没有差异，则意味着顾客中喜好每种品牌的概率均为1/3，因此，可作假设 n1=61，n2=53，n3=36，n=150 同理 此例中，k=3，当α=0.05时 由于 ，拒绝 H0，即认为顾客对三种品牌的矿泉水喜好确实是有差异的。 实际案例(冰茶) 列联表分析（Contingency Table Anlysis） 按两个及以上特性（标志）对同一事物进行分类，每一特性将事物分为若干个组，利用这样的数据分析特性之间有无关系，称为多维多项分析，由于它常借助于列联表进行，所以又称为列联表分析。 列联表主要用于判断定性变量之间是否存在相关关系。 举例 不同文化程度的人对某一些政策的态度? 不同地区的人与不同的工作作风的态度? 不同培训方法与培训后的业绩增长是否相干? 不同经历的人与他们对事物的看法是否一致? 不同民族与某种习惯是否相关? 不同层面的客户偏好与产品不同包装是否相关? 不同收入阶层对猪肉涨价的态度? 列联表原理 在利用列联表进行分析时，首先表示出列联表，列联表实际上是一个交叉的频数表，利用所给频数构造一个卡方统计量，根据样本数据计算得来的卡方值与一定自由度下卡方临界值进行对比，从而判断是否接受原假设。 实质上是品质相关的问题 列联表分析在处理两个或几个定性变量间是否有真正意义上的独立问题是独具魅力。其原因有三： 1、不必假定所感兴趣的总体服从何种分布； 2、列联分析适合于处理分类型变量间的关系而且简单直观； 3、社会调查等大样本正好与列联分析的要求相吻合. 主要介绍二维列联表分析 二维列联表分析 设特性A可以分为a类， 特性B可分为b类。随机观察n个个体，把那些个体的属性A处于类型i,属性B处于类型j的个体数在表中记为nij 。并且， 分别是属性A 处于类型j的个体数(列)和属性B处于类型i的个体数(行)。 pij记为属性A、B分别处于类型i、j的概率数，现作原假设H0:A、