32独立性检验的基本思想及其初步应用(2课时选修2-3).ppt

独立性检验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，我们常常关心在日常生活中，我们常常关心分类变量之间是否有关系分类变量之间是否有关系：例如，吸烟是否与患肺癌有关系？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。性别是否对于喜欢数学课程有影响？等等。吸烟与肺癌列联表吸烟与肺癌列联表不患肺癌不患肺癌患肺癌患肺癌总计总计不吸烟不吸烟77757775424278177817吸烟吸烟20992099494921482148总计总计98749874919199659965为了调查吸烟是否对肺癌有影响，某肿瘤研究所随机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地调查了99659965人，得到如下结果（单位：人）人，得到如下结果（单位：人）在不吸烟者中患肺癌的比重是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。肺癌的可能性大。0.54%0.54%2.28%2.28%探究探究n列联表n定义：列出的两个分类变量的称为列联表n22列联表n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22列联表)为下表.频数表x1，x2y1，y2n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22列联表)为：n(其中n 为样本容量)y1y2合计x1ababx2cdcd总计 acbdabcdabcd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 不吸烟不吸烟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，同时各抽取产品合格率，同时各抽取100件产品，其中甲线中合件产品，其中甲线中合格产品的个数为格产品的个数为97，乙线中合格产品的个数为，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。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1928200n122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n2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 上上面面我我们们通通过过分分析析数数据据和和图图形形，得得到到的的直直观观印印象象是是吸吸烟烟和和患患肺肺癌癌有有关关，那那么么事事实实是是否否真真的的如如此此呢呢？这这需需要要用用统统计计观观点点来考察这个问题。来考察这个问题。现在想要知道能够以多大的把握认为现在想要知道能够以多大的把握认为“吸烟与患肺癌有关吸烟与患肺癌有关”，为此先假设为此先假设 H0：吸烟与患肺癌没有关系吸烟与患肺癌没有关系.不患肺癌不患肺癌患肺癌患肺癌总计总计不吸烟不吸烟aba+b吸烟吸烟cdc+d总计总计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 用用A表示不吸烟，表示不吸烟，B表示不患肺癌，则表示不患肺癌，则“吸烟与患肺癌没有关系吸烟与患肺癌没有关系”等价于等价于“吸烟与患肺癌独立吸烟与患肺癌独立”，即假设，即假设H0等价于等价于 P(AB)=P(A)P(B).因此因此|ad-bc|越小，说明吸烟与患肺癌之间关系越弱；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。越大，说明吸烟与患肺癌之间关系越强。不患肺癌不患肺癌患肺癌患肺癌总计总计不吸烟不吸烟aba+b吸烟吸烟cdc+d总计总计a+cb+da+b+c+d在表中，在表中，a恰好为事件恰好为事件AB发生的频数；发生的频数；a+b和和a+c恰好分别为事恰好分别为事件件A和和B发生的频数。由于频率接近于概率，所以在发生的频数。由于频率接近于概率，所以在H0成立的条成立的条件下应该有件下应该有 为为了了使使不不同同样样本本容容量量的的数数据据有有统统一一的的评评判判标标准准，基基于于上上述述分分析，我们构造一个随机变量析，我们构造一个随机变量-卡方统计量卡方统计量（1）若若 H0成立，即成立，即“吸烟与患肺癌没有关系吸烟与患肺癌没有关系”，则，则K2应很小。应很小。根据表根据表3-7中的数据，利用公式（中的数据，利用公式（1）计算得到）计算得到K2的观测值为：的观测值为：那么这个值到底能告诉我们什么呢？那么这个值到底能告诉我们什么呢？（2）独立性检验独立性检验k k大小的标准是什么呢？大小的标准是什么呢？独立性检验独立性检验首先，假设结论不成立，即首先，假设结论不成立，即 H：两个分类变量没有关系：两个分类变量没有关系 （在这种假设下（在这种假设下k应该很小）应该很小）其次，由观测数据计算其次，由观测数据计算K 的观测值的观测值k，（如果（如果k很大，则在一定可信程度上说明很大，则在一定可信程度上说明H 不不成立成立,即两个分类变量之间有关系）即两个分类变量之间有关系）最后，根据最后，根据k的值判断假设是否成立的值判断假设是否成立2临界值表：0.500.400.250.150.100.050.0250.0100.0050.0010.4450.7081.3232.0722.7063.8415.0246.6357.87910.828这种判断可能有错误，但是犯错误的不会超过这种判断可能有错误，但是犯错误的不会超过0.001，这是个小概率时间，我们有，这是个小概率时间，我们有99.9%的把的把握认为握认为“吸烟与患癌症有关系吸烟与患癌症有关系”n利用随机变量K2来确定是否能以一定把握认为“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吸烟与患肺病这两个分类变量的计算中，下列说法正确在吸烟与患肺病这两个分类变量的计算中，下列说法正确的是（的是（）A、若、若K的观测值为的观测值为k=6.635,我们有我们有99%的把握认为吸烟与患的把握认为吸烟与患肺病有关系，那么在肺病有关系，那么在100个吸烟的人中必有个吸烟的人中必有99个患肺病个患肺病B、从独立性检验可知有、从独立性检验可知有99%的把握认为吸烟与患肺病有关的把握认为吸烟与患肺病有关系时，我们说某人吸烟，那么他有系时，我们说某人吸烟，那么他有99%的可能患肺病的可能患肺病C、若从统计量中求出有、若从统计量中求出有95%的把握认为吸烟与患肺病有关的把握认为吸烟与患肺病有关系，是指有系，是指有5%的可能性使得推理出现错误的可能性使得推理出现错误D、以上三种说法都不对、以上三种说法都不对练习cn例2某电视台联合相关报社对“男女同龄退休”这一公众关注的问题进行了民意调查，数据如下表所示：n根据表中数据，能否在犯错误的概率不超过0.001的前提下认为对这一问题的看法与性别有关系？(P(K210.828)0.001)赞同反对总计男198217415女476109585总计6743261000n解析假设H0：“对这一问题的看法与性别无关”，n由列联表中的数据，可以得到：n125.16110.828n又P(K210.828)0.001，n故在犯错误概率不超过0.001的前提下认为对“男女同龄退休”这一问题的看法与性别有关n点评可以利用独立性检验来判断两个分类变量是否有关系，具体做法是：n5月31日是“世界无烟日”，2009年的主题是“让肺自由呼吸”为探究患肺癌是否与吸烟有关，某校研究性学习小组调查了1339名50岁以上的人，调查结果如下表所示：患肺癌不患肺癌总计吸烟28579607不吸烟7725732总计3513041339n试问：能否在犯错误的概率不超过0.01的前提下认为50岁以上的人患肺癌与吸烟有关系？n解析依题意可知：n6.635，n又P(K26.635)0.01，n因此，在犯错误的概率不超过0.01的前提下认为吸烟与患肺癌有关.n例3为了解铅中毒病人是否有尿棕色素增加现象，分别对病人组和对照组的尿液作尿棕色素定性检查，结果如下，问铅中毒病人和对照组的尿棕色素阳性数有无差别？组别阳性数阴性数合计铅中毒病人29736对照组92837合计383573n解析由上述列联表可知，在铅中毒病人中尿棕色素为阳性的占80.56%，而对照组仅占24.32%.说明他们之间有较大差别n根据列联表作出三维柱形图(如图1)，二维条形图(如图2)，频率分布条形图(如图3所示)，由上述三图可知，铅中毒病人中与对照组相比较，尿棕色素为阳性差异明显，因此铅中毒病人与尿棕色素为阳性存在关联关系n某学校对学生课外活动内容进行调查，结果整理成下表：n利用图形判断学生课外活动的类别与性别是否有关系？体育文娱总计男生212344女生62935总计275279n解析某等高条形图如图所示n由图可以直观地看出喜欢体育还是喜欢文娱在性别上有较大差异，说明课外活动的类别与性别在某种程度上有关系n练习：n1调查男女学生购买食品时是否看出厂日期与性别有无关系时，最有说服力的是n()nA期望B方差nC正态分布 D独立性检验n答案Dn210名学生在一次数学考试中的成绩如下表：n要研究这10名学生成绩的平均情况，则最能说明问题的是()nA概率 B期望nC方差 D独立性检验n答案B分数100115120125人数2431n练习：3.下面是一个22列联表n则表中a、b处的值分别为()nA94、96 B52、50nC52、59 D54、52n答案Cy1y2合计x1a2173x272027合计b41100n4用K2统计量进行独立性检验时，使用的表称为_，要求表中的四个数据_n答案22列联表均大于5n5若两个分类变量x和y的列联表为：n则x与y之间有关系的概率约为_n答案99%y1y2x1615x24010n6为调查学生对国家大事关心与否是否与性别有关，在学生中进行随机抽样调查，结果如下表，根据统计数据作出合适的判断分析.关心不关心合计男生18218200女生17624200合计35842400n点评根据随机变量K2的值判断两分类变量是否有关的步骤：第一，假设两分类变量无关，第二，由数据及公式计算K2的观测值k，第三，将k的值与临界值比较得出结论思考：思考：利用上面的结论，你能从列联表的三维柱形图中利用上面的结论，你能从列联表的三维柱形图中看出两个分类变量是否相关呢？看出两个分类变量是否相关呢？表表1-11 2x2联表联表 一一般般地地，假假设设有有两两个个分分类类变变量量X和和Y，它它们们的的值值域域分分别别为为x1,x2和和y1,y2,其其样样本本频频数数列列联联表表（称称为为2x2列列联表）为：联表）为：y1y2总计总计x1aba+bx2cdc+d总计总计a+cb+da+b+c+d 若要判断的结论为：H1：“X与Y有关系”，可以按如下步骤判断H1成立的可能性：2、可可以以利利用用独独立立性性检检验验来来考考察察两两个个分分类类变变量量是是否否有有关关系系，并并且能较精确地给出这种判断的可靠程度。且能较精确地给出这种判断的可靠程度。1、通通过过三三维维柱柱形形图图和和二二维维条条形形图图，可可以以粗粗略略地地判判断断两两个个变变量量是是否否有有关关系系,但但是是这这种种判判断断无无法法精精确确地地给给出出所所得得结结论论的的可可靠靠程度。程度。（1）在在三三维维柱柱形形图图中中，主主对对角角线线上上两两个个柱柱形形高高度度的的乘乘积积ad与与副副对对角角线线上上两两个个柱柱形形高高度度的的乘乘积积bc相相差差越越大大，H1成成立立的的可能性就越大。可能性就越大。（2）在在二二维维条条形形图图中中,可可以以估估计计满满足足条条件件X=x1的的个个体体中中具具有有Y=y1的的个个体体所所占占的的比比例例 ，也也可可以以估估计计满满足足条条件件X=x2的的个个体体中中具具有有Y=y1的的个个体体所所占占的的比比例例 。两两个个比比例例相相差差越越大，大，H1成立的可能性就越大。成立的可能性就越大。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：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：0.500.400.250.150.100.455 0.7081.3232.0722.7060.050.0250.0100.0050.0013.841 5.0246.6367.87910.828具体作法是：具体作法是：(1)根据实际问题需要的可信程度确定临界值根据实际问题需要的可信程度确定临界值 ；(2)利用公式利用公式(1)，由观测数据计算得到随机变量，由观测数据计算得到随机变量 的观测值；的观测值；(3)如果如果 ，就以，就以 的把握认为的把握认为“X与与Y有关系有关系”；否则就说样本观测数据没有提供；否则就说样本观测数据没有提供“X与与Y有关系有关系”的充分证据。的充分证据。