《独立性检验的基本思想及其初步应用》教学课件.ppt

* * 3.2独立性检验的基本思想及其初步应用 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之间是否有关系： 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。 吸烟与肺癌列联表 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 为了调查吸烟是否对肺癌有影响，某肿瘤研究所随机地调查了9965人，得到如下结果（单位：人） 列联表 分类变量 1．下面是一个2×2列联表： y1 y2 总计 x1 a 21 73 x2 2 25 27 总计 b 46 100 则表中a、b的值分别为(　　) A．94、96 B．52、50 C．52、54 D．54、52 C 吸烟与肺癌列联表 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 为了调查吸烟是否对肺癌有影响，某肿瘤研究所随机地调查了9965人，得到如下结果（单位：人） 列联表 在不吸烟者中患肺癌的比重是 在吸烟者中患肺癌的比重是 吸烟者和不吸烟者都可能患肺癌，吸烟者患肺癌的可能性较大 0.54% 2.28% 分类变量 42/7817 通过图形直观判断两个分类变量是否相关： 等高条形图 在不吸烟者中患肺癌的比重是 在吸烟者中患肺癌的比重是 0.54% 2.28% 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？这需要用统计观点来考察这个问题。 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 把表中的数字用字母代替，得到如下用字母表示的列联表 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). 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。 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 在表中，a恰好为事件AB发生的频数；a+b和a+c恰好分别为事件A和B发生的频数。由于频率接近于概率，所以在H0成立的条件下应该有 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 n=a+b+c+d 独立性检验 在不吸烟者中不患肺癌的比重是 在吸烟者中不患肺癌的比重是 H0：假设吸烟和患肺癌没有关系 独立性检验 H0：假设吸烟和患肺癌没有关系 构造随机变量(卡方统计量) 作为检验在多大程度上可以认为“两个变量有关系”的标准 。 若H0(吸烟和患肺癌没有关系)成立，则K2应该很小. 独立性检验 H0：假设吸烟和患肺癌没有关系 吸烟与肺癌列联表 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 随机变量-----卡方统计量 0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 0.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 临界值表 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 即在 成立的情况下，K2 大于6.635概率非常小，近似为0.01 现在的K2≈56.632的观测值远大于6.635，小概率事件的发生说明假设H0不成立！ 0.50 0.40 0.25 0.15 0.10 0.05 0.025 0.010 0.005 0.001 0.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828 临界值表 独立性检验 H0：假设吸烟和患肺癌没有关系 所以吸烟和患肺癌有关！ 1．对分类变量X