独立性检验的基本思想及其初步应用课时选修VIP专享VIP免费

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。两种变量：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。.,"".像这类变量称为别类表示个体所属的不同值这种变量的不同分类变量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）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.,称为频数表的样列出的两个分类变量这像列联表列联表①定义：列出的两个分类变量的称为列联表．②2×2列联表一般地，假设两个分类变量X和Y，它们的取值分别为和，其样本频数列联表(也称为2×2列联表)为下表.频数表{x1，x2}{y1，y2}一般地，假设有两个分类变量X和Y，它们的可能取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(即2×2列联表)为：(其中n＝为样本容量)．y1y2合计x1aba＋bx2cdc＋d总计a＋cb＋da＋b＋c＋da＋b＋c＋d.,况状反映出相关数据的总体能更直观地图三维柱形图和二维条形与表格相比不患肺癌患肺癌吸烟不吸烟不患肺癌患肺癌吸烟不吸烟080007000600050004000300020001000三维柱形图二维条形图在三维柱形图中，主对角线上两个柱形高度的乘积与副对角线上两个柱形高度的乘积相差越大，两个分类变量有关系的可能性就越大．.等高条形图等高条形图与表格相比，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条形图展示列联表数据的频率特征．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。某企业为了考察同一种产品在甲、乙两条生产线的产品合格率，同时各抽取100件产品，其中甲线中合格产品的个数为97，乙线中合格产品的个数为95。请做出列联表，三维柱形图与二维条形图。合格不合格总计甲生产线973100乙生产线955100总计19282000102030405060708090100合格不合格甲生产线乙生产线0100200300合格不合格甲生产线乙生产线1．2×2列联表是传统的调查研究中最常用的方法之一，用于研究两个变量之间相互独立还是存在某种关联性，它适用于分析两个变量之间的关系．2．在实际问题中，判断两个分类变量的关系的可靠性时，一般利用随机变量K2来确定，而不利用三维柱形图和二维条形图．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...