1.2 独立性检验的基本思想及其初步应用定量变量的取值一定是实数，它们的取值大小有特定的含义，不同取值之间的运算也有特定的含义 .如身高、体重、考试成绩、温度等等 .变量定量变量分类变量例 如 身 高 、 体 重 、 考 试 成 绩 等 ， 张 明 的 身 高 是180cm ，李立的身高是 175cm ，说明张明比李立高180-175=5 （ cm ） .两个定量变量的相关关系分析：回归分析（画散点图、相关系数 r 、相关指数 R2 、残差分析）对于性别变量，其取值为男和女两种，这种变量的不同“值”表示个体所属的不同类别，像这样的变量称为分类变量 .在日常生活中，主要考虑分类变量之间是否有关系：如是否吸烟、宗教信仰、是否患肺癌、国籍等等 .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 .分类变量也称为属性变量或定性变量，它们的取值一定是离散的，而且不同的取值仅表示个体所属的类别，如性别变量，只取男、女两个值，商品的等级变量只取一级、二级、三级等等 .有时也可以把分类变量的不同取值用数字来表示，但这时的数字除了分类以外没有其他的含义，例如用 0 表示“男”， 1 表示“女”，性别变量就变成取值为 0 和 1 的随机变量，但是这些数字没有其他的含义 .此时比较性别变量的两个不同值之间的大小没有意义，性别变量的均值和方差也没有意义 .两个分类变量的相关关系的分析：通过图形直观判断两个分类变量是否相关；独立性检验 .不患肺癌患肺癌总计不吸烟7775427817吸烟2099492148总计9874919965由列联表可以粗略估计出，在不吸烟者中，有 0.54% 患有肺癌；在吸烟者中，有 2.28% 患有肺癌。因此，直观上可以得到结论：吸烟者和不吸烟者患肺癌的可能性存在差异 .为调查吸烟是否对患肺癌有影响，某肿瘤研究所随机地调查了 9965 人，得到如下结果（单位：人）：吸烟与患肺癌列联表（列出两个分类变量的频数表）：0%10%20%30%40%50%60%70%80%90%100%不吸烟吸烟不患肺癌患肺癌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% 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...
