《应用统计》教学课件 第7章 χ2检验和方差分析.pptVIP

第七章 χ2检验和方差分析 第一节 拟合优度的检验 第二节 独立性和一致性的检验 第三节 单因素方差分析 第四节 两因素方差分析 §7.1 拟合优度的检验 χ2拟合优度的检验： 就是通过χ2统计量来检验变量的实际分布是否服从或“拟合”某种假设的分布。 一、多项分布的χ2 检验 多项分布：指实验结果多于两个的概率分布。 例7.1 根据这样的数据，超市能否判断销售比例发生了变化？ 构造χ2统计量 二、泊松分布的χ2检验 三、正态分布的χ2检验 例：6+1体育彩票号码（一年）检验 §7.2 独立性和一致性的检验 * 2223 45 64 422 1692 总计 1517 18 35 104 1360 死亡 706 27 29 318 332 幸存 总计 女孩 男孩 妇女 男人 项目 ------用于多个总体成数和均值进行检验的方法 拟合优度：是指实际观察的频数与（理论）期望频数 相似的程度。 ①有k个结果（k＞2）； ②每次进行的试验是相互独立的； ③每次有且仅有一个结果发生； ④每种可能出现结果的概率都保持不变。 10 22 40 30 18 实际人数 5% 15% 40% 30% 10% 理论分数 不及格 及格 中等 良好 优秀 应用统计 多项分布试验的条件： A：碳酸饮料 C：果汁 B：牛奶 某大型超市在去年一年中饮料的销售中，A、B、C三种饮料的销售比例分别是58%，33%和9%。 今年C品牌的厂家在进行了一系列的促销活动后，要求超市提供更多的货架位置以摆放更多的C品牌饮料。为此超市对C品牌促销活动后销售的270瓶饮料进行了统计分类，统计结果如下：A、150瓶，B：85瓶，C：35瓶。 ni : H0真时的第i类实际频数； ei : 第i类的期望频数； k : 类别个数； r : 估计的总体参数的个数 . 5.178 — 270 270 1.00 合计 0.189 0.278 4.711 43.56 16.81 114.49 156.6 89.1 24.3 150 85 35 0.58 0.33 0.09 A B C 期望频数 （ei） 实际频数 （ ni ） 原假设 （ H0 ） 品牌 （k） 以PA、PB、PC分别代表A、B、C三个品牌的销售比例。检验PA、PB、PC是否发生了改变。建立假设如下： 比较期望销售量与实际销售量的差值大小。 查χ2分布表进行检验，右侧检验。 所以接受H0，拒绝H1。即C品牌进行促销活动并没有使销售比例发生明显改变。 由此超市可以拒绝C品牌提出的更多货架的要求！ 为满足上述条件，进行检验时应使试验次数n较大，且每一类的期望频数都不小于5。 根据Pearson定理，当n充分大时(n50) 检验中期望频数小于5时，可选择以下三种方法解决： ①去掉期望频数小于5的类别； ②增加试验次数n； ③将期望频数小于5的合并到相邻的类别中。 51.784 — 2700 2700 1.00 合 计 2.782 1.887 47.115 4356 1681 11449 1566 891 243 1500 850 350 0.58 0.33 0.09 A B C 期望频数 实际频数 原假设 品牌 K 如例7.1 超市实际销售的数量是2700瓶而不是270瓶。而销售比例仍然保持不变，即A：1500瓶；B：850瓶；C：350瓶。 χ2检验只适用于频数检验，而不适用于比率的检验。 拒绝H0，接受H1。即促销活动后，C品牌销售比例发生明显改变。 其中： λ是一个区间发生次数的均值或期望； e=2.71828 是常数； k 是类别数； r 是估计总体参数的个数。 例： 第二次世界大战的V-1 飞弹袭击分析中，将伦敦南部分成几块区域，每一块的面积为0.25平方公里。击中某块区域的次数服从泊松分布。 α=0.05 8.7 30.5 97.9 211.4 227.5 期望的区域个数 （来自泊松分布） 8 35 93 211 229 实际的区域个数 4或更多 3 2 1 0 炸弹击中的次数 正态分布的χ2检验方法就是将连续变量值根据已给定的区间或者等概率区间确定为不同的类别。变量值划分几个区间，类别数就等于区间的数量。 例：以身高数据为例，检验身高数据是否服从正态分布。 175 173 165 163 186 175 172 165 162 185 175 172 165 160 180 175 170 165 160 176 175 170 165 160 176 174 170 165 1