3.2独立性检验的思想及应用(一)w.pptVIP

郑平正 制作 * * 3.2独立性检验的基本思想及其初步应用（一） 高二数学 选修2-3 ì ? í ? ? 体重、身高、温度、考试成绩等等。 变量 性别、是否吸烟、是否患肺癌、 宗教信仰、国籍等等。 对于性别变量，其取值为男和女两种，这种变量的不同“值”表示个体所属的不同类别，像这样的变量称为分类变量。 （1）分类变量 定量变量： 分类变量： 定量变量的取值一定是实数，它们的取值大小有特定的含义，不同取值之间的运算也有特定的含义。 （2）定量变量 例如身高、体重、考试成绩等，张明的身高是180cm， 李立的身高是175cm,说明张明比李立高180-175=5(cm). 独立性检验 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。 在日常生活中，我们常常关心分类变量之间是否有关系： ì ? í ? ? 体重、身高、温度、考试成绩等等。 变量 性别、是否吸烟、是否患肺癌、 宗教信仰、国籍等等。 定量变量： 分类变量： 9965 91 9874 总计 2148 49 2099 吸烟 7817 42 7775 不吸烟 总计 患肺癌 不患肺癌 探究P91： 为调查吸烟是否对患肺癌有影响，某肿瘤研究所随机地调查 了9965人，得到如下结果（单位：人）： 那么吸烟是否对患肺癌有影响？ 1.由列联表可以粗略估计出,在不吸烟者中,有0.54%患有肺癌;在吸烟者中,有2.28%患有肺癌.因此,直观上可以得到结论：吸烟者和不吸烟者患肺癌的可能性存在差异。 2.与表格相比,图形能更直观地反映出相关数据的总体状况。 列联表 1、三维柱形图 2、二维条形图 不患肺癌 患肺癌 吸烟 不吸烟 不患肺癌 患肺癌 吸烟 不吸烟 0 8000 7000 6000 5000 4000 3000 2000 1000 从三维柱形图能清晰看出 各个频数的相对大小。 从二维条形图能看出，吸烟者中 患肺癌的比例高于不患肺癌的比例。 通过图形直观判断两个分类变量是否有关联： 不吸烟 吸烟 患肺癌 比例 不患肺癌 比例 3、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？能够以多大的把握认为“吸烟与患肺癌有关”? H0：吸烟与患肺癌没有关系. a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟A 总计 患肺癌 不患肺癌B 把表中的数字用字母代替，得到如下用字母表示的2×2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). ----定量分析 先假设 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。 a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟A 总计 患肺癌 不患肺癌B 在H0成立的条件下应该有: 假设H0等价于 P(AB)=P(A)P(B) 假设H0：吸烟与患肺癌没有关系. 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. 作为检验在多大程度上可认为“两个变量有关系”的标准. |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。 列出2×2列联表： 先假设H0：吸烟和患肺癌之间没有关系 即H0：P(AB)＝P(A)P(B) 其中A为不吸烟，B为不患肺癌 设 n＝a＋b＋c＋d 则P(A) P(B) 不吸烟且不患病人数： 不吸烟但患病人数： 吸烟但不患病人数： 吸烟且患病人数： a+b+c+d b+d a+c 总计 c+d d c 吸烟 a+b b a 不吸烟A 总计 患肺癌 不患肺癌B 即 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 。 根据表3-7中的数据，利用公式（1）计算得到K2