《卡方检验举例》课件.pptVIP

******卡方分布及其性质形状卡方分布通常呈正偏态，随着自由度的增加，分布会逐渐趋近于正态分布。参数卡方分布只有一个参数，即自由度，它表示独立变量的个数减1。应用在假设检验中，卡方分布用于计算检验统计量的P值，判断假设是否成立。例题1:性别与手机使用习惯1问题设定调查性别与手机使用习惯之间是否存在显著关联2数据收集收集样本数据，统计不同性别用户的手机使用时间3假设检验建立原假设和备择假设，进行显著性检验4卡方检验利用卡方检验公式计算卡方值，判断假设成立与否5结论分析根据检验结果，得出性别与手机使用习惯之间是否存在关联的结论例题1:数据准备11.收集数据调查100位用户，记录性别和手机使用习惯，以便进行分析。22.整理数据将收集的数据整理成表格，方便进行卡方检验。33.构建表格表格应包含两行，分别代表男性和女性，两列，分别代表使用和不使用。44.填充数据将调查数据填充到表格中，统计每个分组的人数。例题1:假设检验1原假设性别与手机使用习惯无关。2备择假设性别与手机使用习惯有关。3显著性水平通常设定为0.05，表示拒绝原假设的风险。4自由度自由度为(行数-1)*(列数-1)。例题1:卡方值计算计算卡方值，然后根据自由度和显著性水平，查阅卡方分布表，得出P值。如果P值小于显著性水平，则拒绝原假设，认为性别与手机使用习惯之间存在显著性差异。例题1:结果分析卡方值计算得到卡方值为10.23，自由度为1。p值为0.0014，小于显著性水平0.05。结论拒绝原假设，认为性别与手机使用习惯之间存在显著性差异。即女性更倾向于使用社交类应用，男性更倾向于使用游戏类应用。例题2:学历与薪酬水平研究目的探讨学历与薪酬水平之间是否存在显著关系。数据收集收集样本数据，包括受访者的学历和薪酬水平。数据分析使用卡方检验来分析学历和薪酬水平之间的关联性。结果解读根据卡方检验的结果，得出结论并解释其含义。例题2:数据准备收集数据从目标人群中随机抽取样本，收集学历和薪酬水平两项数据。数据整理将收集到的数据整理成表格形式，方便后续分析。建立频数表根据学历和薪酬水平的组合，统计每个组合出现的频数。例题2:假设检验零假设学历与薪酬水平之间没有显著关联。备择假设学历与薪酬水平之间存在显著关联。显著性水平通常设定为0.05，表示如果拒绝零假设，那么有5%的可能性犯错。例题2:卡方值计算根据表格数据，计算卡方值。计算公式如下：卡方值=Σ[(观测频数-期望频数)^2/期望频数]观测频数：表格中实际观察到的频数。期望频数：假设学历与薪酬水平无关，理论上应该出现的频数。3.25卡方值0.05显著性水平例题2:结果分析显著性水平卡方检验的显著性水平小于0.05，拒绝原假设。自由度自由度为1，表明有两个样本组。例题3:年龄与保险购买1收集数据从保险公司获取年龄与是否购买保险的记录。2创建表格整理数据，构建列联表。3设置假设年龄与购买保险之间是否有显著相关性。4计算卡方值使用卡方检验公式，计算卡方值。例题3:数据准备年龄组将样本分成不同年龄组，例如20-30岁，30-40岁，40-50岁，50岁以上。保险购买情况记录每个年龄组中购买了保险的人数和未购买保险的人数，形成一个2x2列联表。样本量确保样本量足够大，以确保卡方检验结果的可靠性。一般来说，每个单元格的期望频数至少要大于5。例题3:假设检验零假设年龄与保险购买之间无显著关联。备择假设年龄与保险购买之间存在显著关联。检验类型使用卡方检验来评估年龄和保险购买之间关系。例题3:卡方值计算根据表格数据，计算卡方值。10自由度自由度=(行数-1)*(列数-1)5期望值每个单元格的期望值=(行总和*列总和)/总样本数0.05卡方值卡方值=Σ(观察值-期望值)2/期望值19.68临界值根据自由度和显著性水平查卡方分布表得到临界值例题3:结果分析11.卡方值计算得到卡方值为12.34，大于临界值9.49。22.显著性水平在0.05的显著性水平下，拒绝原假设，认为年龄与保险购买之间存在显著关联。33.结论年轻人群体更倾向于购买保险，而年长者则相对较少。44.建议保险公司可以根据年龄差异，制定不同的营销策略。卡方检验的局限性样本量要求卡方检验需要足够大的样本量才能获得可靠的结果。如果样本量太小，可能会导致结果不准确。一般来说，每个单元格的预期频数应