1.2独立性检验的基本思想及其初步应用1 选修1-2-黑龙江省虎林高级中学高中数学课件教学精品.pptVIP

1.2独立性检验的基本思想及其初步应用 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. 在日常生活中，主要考虑分类变量之间是否有关系： 如是否吸烟、宗教信仰、是否患肺癌、国籍等等. 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. 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，如性别变量，只取男、女两个值 两个分类变量的相关关系的分析： ①通过图形直观判断两个分类变量是否相关； ②独立性检验. 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 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. 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. 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）： 吸烟与患肺癌列联表（列出两个分类变量的频数表）： 患肺癌 比例 不患肺癌 比例 等高 条形图 4、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. 问题1：判断的标准是什么？ 吸烟与不吸烟，患病的可能性的大小是否有差异？ 说明：吸烟者和不吸烟者患肺癌的可能性存在差异，吸烟者患肺癌的可能性大 问题2：差异大到什么程度才能作出“吸烟与患病有关”的判断？ 问题3：能否用数量刻画出“有关”的程度？ 现在想要知道能够以多大的把握认为“吸烟与患肺癌有关”，为此先假设： H0：吸烟与患肺癌没有关系 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 把数字用字母代替，得到如下用字母表示的列联表： 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 吸烟与患肺癌的列联表： 如果“吸烟与患肺癌没有关系”，则在吸烟者中不患肺癌的比例应该与不吸烟者中相应的比例应差不多，即 |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. 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 若H0成立，即“吸烟与患肺癌没有关系”，则K2应很小. 由列联表中数据，利用公式（1）计算得K2的观测值为： （1） 其中n=a+b+c+d为样本容量. P(k2≥k0) 0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 k0 0.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 0.1%把握认 为A与B无关 1%把握认为A与B无关 99.9%把握认 为A与B有关 99%把握认 为A与B有关 90%把握认 为A与B有关 10%把握认为 A与B无关 没有充分的依据显示A与B有关，但也不能显示A与B无关 在H0成立的情况下，统计学家估算出如下的概率： 也就是说，在H0成立的情况下，对随机变量K2进行多次观测，观测值超过6.635的频率约为0.01，是一个小概率事件.现在K2的观测值为56.632，远远大于6.635，所以有理由断定H0不成立，即认为“吸烟与患肺癌有关系” 但这种判断会犯错误，犯错误的概率不会超过0.01，即我们有99％的把握认为“吸烟与患肺癌有关系”. 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： 如果 ，就判断H0不成立；否则就判断H0成立. 反证法原理与假设检验原理 反证法原理： 在一个已知假设下，如果推出一个矛盾，就证明了这个假设不成立。 假设检验原理：在一个已知假设下，如果一个与该假设矛盾的小概率事件发生，就推断这个假设不成立。 独立性检验的基本思想： 类似于数学上的反证法，对“两个分类变量有关系” 这一结论成立的可信程度的判断： （1）假设该结论不成立，即假设结论“两个分类变量 没有关系”成立. （2）在假设条件下，计算构造的随机变量K2，如果由观测数据计算得到的K2很大，则在一定程度上说明假设不合理. （3）根据随机变量K2的含义，可以通过（2）式评价假设不合理的程度，由实际计算出的k6.635，说明假设不合理的程度约为99%，即“两个分类有关系”这一结论成立的可信程度约为99%. y1 y2 总计 x1 a b a+b x2 c d c+d 总计 a+c