高中数学1-2独立性检验基本思想及其初步应用课件.pptVIP

独立性检验的基本思想 及其初步应用 问题: 数学家庞加莱每天都从一家面包店买一块1000g 的面包，并记录下买回的面包的实际质量。一年后，这位数学家发现，所记录数据的均值为950g。于是庞加莱推断这家面包店的面包分量不足。 假设“面包分量足”，则一年购买面包的质量数据的平均值应该不少于1000g ； “这个平均值不大于950g”是一个与假设“面包分量足”矛盾的小概率事件； 这个小概率事件的发生使庞加莱得出推断结果。 一:假设检验问题的原理 假设检验问题由两个互斥的假设构成，其中一个 叫做原假设，用H0表示；另一个叫做备择假设，用H1表示。 例如，在前面的例子中， 原假设为： H0：面包分量足， 备择假设为 H1：面包分量不足。 这个假设检验问题可以表达为： H0：面包分量足 ←→ H1：面包分量不足 二:求解假设检验问题 考虑假设检验问题： H0：面包分量足 ←→ H1：面包分量不足 在H0成立的条件下，构造与H0矛盾的小概率事件； 如果样本使得这个小概率事件发生，就能以一定把握断言H1成立；否则，断言没有发现样本数据与H0相矛盾的证据。 求解思路： 1、介绍两个相关的概念 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，也称为属性变量或定性变量，它们的取值一定是离散的，而且不同的取值仅表示个体所属的类别。 （1）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 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的之间是否有关系 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？ 表1-9 吸烟与患肺癌列联表 1、象这样的两个分类变量的频数表叫列联表. 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，三维柱形图和二维条形图能更直观地反映 出相关数据的总体状况。 三 维 柱 形 图 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 不吸烟 吸烟 患肺癌 比例 不患肺癌 比例 等高条形图 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？ 你得到这个结论有多大的把握呢? 独立性检验 H0： 吸烟和患肺癌之间没有关系 ←→ H1： 吸烟和患肺癌之间有关系 通过数据和图表分析，得到结论是：吸烟与患肺癌有关 结论的可靠程度如何？ 用 A 表示“不吸烟”， B 表示“不患肺癌” 则 H0： 吸烟和患肺癌之间没有关系 “吸烟”与“患肺癌”独立, 即A与B独立 等价于 等价于 吸烟与肺癌列联表 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 独立性检验 引入一个随机变量 作为检验在多大程度上可以认为“两个变量有关系”的标准 。 因此:若 H0成立，则K2应很小。 利用公式（1）计算得到 K2 的观测值为 如何看待这个值呢？ 即在H0成立的情况下，K2的值大于6.635的概率非常小，近似于0.01。而现在K2的值56.632远大于6.635, 故它是小概率事件,所以我们认为H0是不成立的 .虽然这种判断犯错误的可能性存在, 但我们有99%的把握认为H0 是不成立的!(即吸烟与患肺癌有关系) 在H0成立的情况下，统计学家研究出如下的概率 上面这种利用随机变量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。 独立性检验的定义： 独立性检验基本的思想类似反证法 (1)假设结论不成立,即“两个分类变量没有关系”. (2)在此假设下随机变量 K2 应该很能小,如果由观测数据计算得到K2的观测值k很大,则在一定程度上说明假设不合理. (3)根据随机变