独立性检验的基本思想及其初步应用-PPT精品

3.2独立性检验的基本思想及其初步应用（一）高二数学选修2-3第三章统计案例2定量变量——回归分析（画散点图、相关系数r、变量相关指数R、残差分析）分类变量——研究两个变量的相关关系：定量变量：体重、身高、温度、考试成绩等等。变量分类变量：性别、是否吸烟、是否患肺癌、宗教信仰、国籍等等。P91两种变量：(教材第一、二分类变量：自然段)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7775427817吸烟2099492148总计9874919965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(教材P91第三自然段)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。0.54%2.28%探究不患肺癌患肺癌总计不吸烟7775427817吸烟2099492148总计98749199651、列联表2、三维柱形图不患肺癌患肺癌吸烟不吸烟不患肺癌患肺癌吸烟不吸烟080007000600050004000300020001000从三维柱形图能清晰看出各个频数的相对大小.从二维条形图能看出,吸烟者中患肺癌的比例高于不患肺癌的比例.通过图形直观判断两个分类变量是否相关：3、二维条形图不吸烟吸烟00.10.20.30.40.50.60.70.80.91不吸烟吸烟患肺癌比例不患肺癌比例3、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。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aba+b吸烟cdc+d总计a+cb+da+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aba+b吸烟cdc+d总计a+cb+da+b+c+dadbc即aa+ba+c≈×nnna+bP(A),na+cP(B),n.aP(AB)n其中为样本容量，即n=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(a+b+c+d)a(a+b)(a+c),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-----卡方统计量22(),()()()()其中为样本容量。nadbcKabcdacbdnabcd（1）若H0成立，即“吸烟与患肺癌没有关系”，则K2应很小。根据表3-7中的数据，利用公式（1）计算得到K2的观测值为：那么这个值到底能告诉我们什么呢？242209956.63278172148987491k9965(777549）（2）独立性检验在H0成立的情况下，统计学家估算出如下的概率即在H0成立的情况下，K2的值大于6.635的概率非常小，近似于0.01。2(6.635)0.01.PK（2）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。思考206.635?KH如果，就断定不成立，这种判断出错的可能性有多大答：判断出错的概率为0.01。20099657775494220995663278172148987491().kHH现在观测值太大了，在成立的情况下能够出现这样的观测值的概率不超过0.01，因此我们有99%的把握认为不成立，即有99%的把握认为“吸烟与患肺癌有关系”。判断是否成立的规则0H如果，就判断不成立，即认为吸烟与患肺癌有关系；否则，就判断成立，即认为吸烟与患肺癌没有关系。6.635k0H0H独立性检验的定义(教材P93最后一行)上面这种利用随机变量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。在该规则下，把结论“成立”错判成“不成立”的概率不会差过0H0H2(6.635)0.01,PK即有99%的把握认为不成立。0H独立性检验的基本思想（类似反证法）(1)假设结论不成立,即“两个分类变量没有关系”.0:H(2)在此假设下我们所构造的随机变量K2应该很小,如果由观测数据计算得到K2的观测值k很大,则在一定可信程度上说明不成立.即在一定可信程度上认为“两个分类变量有关系”；如果k的值很小，则说明由样本观测数据没有发现反对的充分证据。0H0H(3)根据随机变量K2的含义,可以通过评价该假设不合理的程度,由实际计算出的,说明假设合理的程度为99%,即“两个分类变量有关系”这一结论成立的可信度为约为99%.反证法原理与独立性检验原理的比较反证法原理：在假设H0下，如果推出一个矛盾，就证明了H0不成立.独立性检验原理：在假设H0下，如果出现一个与H0相矛盾的小概率事件，就推断H0不成立，且该推断犯错误的概率不超过这个小概率.怎样判断K2的观测值k是大还是小呢？这仅需要确定一个正数，当时就认为K2的观测值k大。此时相应于的判断规则为：0k0kk0k如果，就认为“两个分类变量之间有关系”；否则就认为“两个分类变量之间没有关系”。0kk0k----临界值按照上述规则，把“两个分类变量之间没有关系”错误的判断为“两个分类变量之间有关系”的概率为P().20Kk在实际应用中，我们把解释为有的把握认为“两个分类变量之间有关系”；把解释为不能以的把握认为“两个分类变量之间有关系”，或者样本观测数据没有提供“两个分类变量之间有关系”的充分证据。0kk2(1())100%PKk0kk2(1())100%PKk在实际应用中，要在获取样本数据之前通过下表确定临界值：0.500.400.250.150.100.4550.7081.3232.0722.7060.050.0250.0100.0050.0013.8415.0246.6367.87910.8280)k2P(K0k0k0)k2P(K具体作法是：(1)根据实际问题需要的可信程度确定临界值；(2)利用公式(1)，由观测数据计算得到随机变量的观测值；(3)如果，就以的把握认为“X与Y有关系”；否则就说样本观测数据没有提供“X与Y有关系”的充分证据。0k2K0kk20(1())100%PKk随机变量-----卡方统计量22(),()()()()其中为样本容量。nadbcKabcdacbdnabcd4、独立性检验0.500.400.250.150.100.050.0250.0100.0050.0010.4550.7081.3232.0722.7063.8415.0246.6357.87910.8280k0)k2P(K临界值表828.102K635.62K706.22K22.706K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无关第一步：H0：吸烟和患病之间没有关系患病不患病总计吸烟aba+b不吸烟cdc+d总计a+cb+da+b+c+d第二步：列出2×2列联表5、独立性检验的步骤第三步：计算第四步：查对临界值表，作出判断。))()()(()(22dcbadbcabcadnKP(k≥k0)0.500.400.250.150.100.050.0250.0100.0050.001k00.4550.7081.3232.0722.7063.8415.0246.6357.87910.828例1在某医院，因为患心脏病而住院的665名男性病人中，有214人秃顶；而另外772名不是因为患心脏病而住院的男性病人中有175人秃顶。分别利用图形和独立性检验方法判断秃顶与患心脏病是否有关系？你所得的结论在什么范围内有效？解：根据题目所给数据得到如下列联表：患心脏病不患心脏病总计秃顶214175389不秃顶4515971048总计6657721437相应的等高条形图如右图所示，因此可以在某种程度上认为“秃顶与患心脏病有关”。0%20%40%60%80%100%患心脏病不患心脏病不秃顶秃顶例1在某医院，因为患心脏病而住院的665名男性病人中，有214人秃顶；而另外772名不是因为患心脏病而住院的男性病人中有175人秃顶。分别利用图形和独立性检验方法判断秃顶与患心脏病是否有关系？你所得的结论在什么范围内有效？解：根据题目所给数据得到如下列联表：患心脏病不患心脏病总计秃顶214175389不秃顶4515971048总计6657721437根据联表1-13中的数据，得到221437(214597175451)16.3736.635.3891048665772K所以有99%的把握认为“秃顶患心脏病有关”。例1.秃头与患心脏病①在解决实际问题时，可以直接计算K2的观测值k进行独立检验，而不必写出K2的推导过程。②本例中的边框中的注解，主要是使得学生们注意统计结果的适用范围（这由样本的代表性所决定）。因为这组数据来自住院的病人，因此所得到的结论适合住院的病人群体．例2为考察高中生的性别与是否喜欢数学课程之间的关系，在某城市的某校高中生中随机抽取300名学生，得到如下联表：喜欢数学课程不喜欢数学课程总计男3785122女35143178总计72228300由表中数据计算K2的观测值k4.514。能够以95%的把握认为高中生的性别与是否喜欢数学课程之间有关系吗？请详细阐述得出结论的依据。解：可以有95%以上的把握认为“性别与喜欢数学课程之间有关系”。分别用a,b,c,d表示样本中喜欢数学课的男生人数、不喜欢数学课的男生人数、喜欢数学课的女生人数、不喜欢数学课的女生人数。如果性别与是否喜欢数学课有关系，则男生中喜欢数学课的比例与女生中喜欢数学课的比例应该相差很多，即aabccd()()acadbcabcdabcd()()()()()abcdabcdacbd例2为考察高中生的性别与是否喜欢数学课程之间的关系，在某城市的某校高中生中随机抽取300名学生，得到如下联表：喜欢数学课程不喜欢数学课程总计男3785122女35143178总计72228300由表中数据计算K2的观测值k4.514。能够以95%的把握认为高中生的性别与是否喜欢数学课程之间有关系吗？请详细阐述得出结论的依据。22(),()()()()nadbcKabcdacbd因此，越大，“性别与喜欢数学课程之间有关系”成立的可能性就越大。2K另一方面，在假设“性别与喜欢数学课程之间有关系”的前提下，事件的概率为2{3.841}K2(3.841)0.05,PK因此事件A是一个小概率事件。而由样本数据计算得的观测值k=4.514,即小概率事件A发生。因此应该断定“性别与喜欢数学课程之间有关系”成立，并且这种判断结果出错的可能性约为5%。所以，约有95%的把握认为“性别与喜欢数学课程之间有关系”。2K例3.在500人身上试验某种血清预防感冒作用，把他们一年中的感冒记录与另外500名未用血清的人的感冒记录作比较，结果如表所示。未感冒感冒合计使用血清252248500未使用血清224276500合计4765241000试画出列联表的条形图，并通过图形判断这种血清能否起到预防感冒的作用？并进行独立性检验