独立性检验的思想及应用课件

1.2独立性检验的基本思想及其初步应用高二数学选修1-2

第一章统计案例1、相关系数r复习回顾3、残差平方和2、残差复习回顾4、总偏差平方和5、相关指数R2（回归平方和）

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3、二维条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：不吸烟吸烟患肺癌比例不患肺癌比例4、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。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+d如果“吸烟与患肺癌没有关系”，则在吸烟者中不患肺癌的比例应该与不吸烟者中相应的比例差不多，即

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（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？（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。

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

答：判断出错的概率为0.01。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”.(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。(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%.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：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”。----临界值按照上述规则，把“两个分类变量之间有没关系”错误的判断为“两个分类变量之间有关系”的概率为P().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。思考：

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？表1-112x2联表

一般地，假设有两个分类变量X和Y，它们的值域分别为{x1,x2}和{y1,y2},其样本频数列联表（称为2x2列联表）为：y1y2总计x1aba+bx2cdc+d总计a+cb+da+b+c+d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：0.500.400.250.150.100.4550.7081.3232.0722.7060.050.0250.0100.0050.0013.8415.0246.6367.87910.828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。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

相应的三维柱形图如图所示，比较来说，底面副对角线上两个柱体高度的乘积要大一些，因此可以在某种程度上认为“秃顶与患心脏病有关”。秃头不秃头例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，得到所以有99%的把握认为“秃顶患心脏病有关”。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。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。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”。例3、某校高三年级在一次全年级的大型考试中，数学成绩优秀和非优秀的学生中，物理、化学、总分也为优秀的人数如下表所示，则数学成绩优秀与物理、化学、总分也优秀哪个关系较大？物理化学总分数学优秀228225267数学非优秀14315699注：该年级此次考试中，数学成绩优秀的有360人，非优秀的有880人。物理优秀物理非优秀合计数学优秀数学非优秀合计（1）列出数学与物理优秀的2x2列联表如下2281323601437378803718691240代入公式可得练习1：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。解：设H0：感冒与是否使用该血清没有关系。因当H0成立时，K2≥6.635的概率约为0.01，故有99%的把握认为该血清能起到预防感冒的作用。P(k≥k0)0.500.400.250.150.100.050.0250.0100.0050.001k00.4550.7081.3232.0722.7063.8415.0246.6357.87910.828P(k≥k0)0.500.400.250.150.100.050.0250.0100.0050.001k00.4550.7081.3232.0722.7063.8415.0246.6357.87910.