分类变量与列联表高二下学期数学人教A版（2019）选择性必修第三册.pptxVIP

8.3列联表与独立性检验;

学习目标

1、理解独立性检验的基本思想及其实施步骤.

2、能利用等高堆积条形图、2×2列联表探讨两个分类变量的关联.

3、了解随机变量x2的含义及作用.

4、通过对数据的处理，提高解决实际问题的能力.;

研究两个分类变量之间是否有关系，或者说是否独立的问题—一独立性检验;

分类变量是说明事物类别的一个名称，其取值是分类数据.

分类变量的取值可以用实数表示，在很多时候，这些数值只作为编号使用，并没有通常的大小和运算意义.

前面两节所讨论的变量，如人的身高等，都是数值变量，数值变量的取值为

实数.其大小和运算都有实际含义.;

性别;

性别;

◆频率分析法：通过对样本的每个分类变量的不同类别事件发生的频率大小进行比较来分析分类变量之间是否有关联关系.如可以通过列联表中与的大小粗略地判断分类变量X和Y之间有无关系.一般其值相差越大，分类变量有关系的可能性越大.

◆图形分析法：与表格相比，图形更能直观地反映出两个分类变量间是否互相影响，常用等高堆积条形图展示列联表数据的频率特征.将列联表中的数据用高度相同的两个条形图表示出来，其中两列的数据分别对应不同的颜色，这就是等高堆积条形图.;;

观察如图所示的等高条形图，其中最有把握认为两个分类变量x,y之间有关系的是(D);

现行普通高中学生在高一时面临着选科的问题，学校抽取了部分男、女学生意愿的一份样

本，制作出如下两个等高堆积条形图，根据这两幅图中的信息，下列哪个统计结论是不

正确的(D);

事件{Y=1}与事件{X=1}或事件{X=0}是否有关联.

概率语言

判定H?:P(Y=1|X=0)=P(Y=1X=1)是否成立—→H?称为零假设或原假设;

性别;

在统计中：构造适当的统计量，对成对的分类变量X和Y是否相互独立作出推断

由条件概率的定义可知，零假设H?:P(Y=1|X=0)=P(Y=1|X=1);

结合列联表中的数据可得

综合②中的四个式子，如果零假设H?成立，下面四个量的取值都不应该太大：;

探究如何利用x2进行推断呢?

依据：小概率事件在一次试验中不大可能发生

对于任何??概率值α,可以找到相应的正实数xα,使得下面关系成立：P(x2≥xa)=α

我们称xa为α的临界值，这个临界值就可作为判断x2大小的标准，概率值a越小，临界值xa越大

独立性检验临界值表：;

独立性检验的基本思想：

类似于数学的反证法，要确认“两个分类变量有关系”这一结论成立的可信程度，

①首先，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其次，计算构造的随机变量K2,如果由观测数据计算得到的k很大，则在一定程度上说明假设不合理。

③最后，根据随机变量K2的含义，利用P(K2≥ko)的值评价假设不合理的程度。(k?叫临界值);

例如：对于小概率值α=0.05,我们有如下的具体检测规则：

(1)当x2≥x?.05=3.841时，

我们推断H?不成立，即认为X和Y不独立，该推断犯错误的概率不超过0.05;

(2)当x2x?.05=3.841时，

我们没有充分证据推断H?不成立，可以认为X和Y独立，即两类变量没影响;

学校;

学校;

吸烟;

在一项中学生近视情况的调查中，某校男生150名中有80名近视，女生140名中有70名近视，

在检验这些中学生眼睛近视是否与性别有关时用什么方法最有说服力(C)

A.平均数与方差B.回归分析

C.独立性检验D.概率;;

分类变量

2×

数据分析

统计量K2

观测值k