独立性检验的思想及应用课件

1、独立性检验的思想及应用课件1.2独立性检验的独立性检验的基本思想及其初基本思想及其初步应用步应用高二数学高二数学 选修选修 1-2 第一章第一章 统计案例统计案例独立性检验的思想及应用课件1、相关系数、相关系数 r n(x -x)(y -y)iii=1r=nn22(x -x)(y -y)iii=1i=1复习回顾复习回顾iiiiyyybxaiiiiee 称为相应点(x ,y )的残差21()niiiyy3、残差平方和、残差平方和2、残差、残差独立性检验的思想及应用课件复习回顾复习回顾4、总偏差平方和、总偏差平方和21()niiyy22121()11()niiiniiyyRyy残差平方和。总偏差平

2、方和5、相关指数、相关指数R2（回归平方和）（回归平方和）独立性检验的思想及应用课件2 2定定量量变变量量回回归归分分析析（画画散散点点图图、相相关关系系数数r r、变变量量 相相关关指指数数R R 、残残差差分分析析）分分类类变变量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。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、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。宗教信仰、国籍等等。两种变量：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

3、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。独立性检验的思想及应用课件 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

4、：人）列联表列联表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%探究探究独立性检验的思想及应用课件不患肺癌不患肺癌患肺癌患肺癌总计总计不吸烟不吸烟7775427817吸烟吸烟2099492148总计总计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080007000600050004000300020

5、001000从三维柱形图能清晰看出从三维柱形图能清晰看出各个频数的相对大小。各个频数的相对大小。从二维条形图能看出，吸烟者中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。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：独立性检验的思想及应用课件不吸烟吸烟00.10.20.30.40.50.60.70.80.91不吸烟不吸烟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。独立性检验的思想及应用课件 上面我们通过分析数据和图形，得到的直观印象是吸烟和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

6、是否真的如此呢？患肺癌有关，那么事实是否真的如此呢？这需要用统计观点这需要用统计观点来考察这个问题。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

7、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).独立性检验的思想及应用课件因此因此|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+dadbc即()()ac aba+ba+bacaca+bc+da+bc+d如果如果“吸烟与患肺癌没有关系吸烟与患肺癌没有关系”，则在吸烟者中不患肺癌的比例，则在

8、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，即应该与不吸烟者中相应的比例差不多，即0ad-bc独立性检验的思想及应用课件 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析，我们构造一个随机变量-卡方统计量卡方统计量22()()()()()n adbcKab cdac bdnabcd其中为样本容量。（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

9、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？242 209956.6327817 2148 9874 91k9965(7775 49）（2） 独立性检验独立性检验独立性检验的思想及应用课件在在H0成立的情况下，统计学家估算出如下的概率成立的情况下，统计学家估算出如下的概率 即在即在H0成立的情况下，成立的情况下，K2的值大于的值大于6.635的概率非常小，近似的概率非常小，近似于于0.01。2(6.635)0.01.P K （2） 也就是说，在也就是说，在H0成立的情况下，对随机变量成立的情况下，对随机变量K2进行多次观进行多次观测，观测值超过测，观测值超过6.635

10、的频率约为的频率约为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。2009965 7775 49 42 2099566327817 2148 9874 91().kHH 现现在在观观测测值值太太大大了了，在在成成立立的的情情况况下下能能够够出出现现这这样样的的观观测测值值的的概概率率不不超超过过0 0. .0 01 1，因因此此我我们们有有9 99 9% %的的把把握握认认为为不不成成立立，即即有有9 99 9% %的的把把握握认认为为“吸吸烟烟与与患患肺肺癌癌有有关关系系”。独立性检验的思想及应用课件判断判断 是否成立的规则是

11、否成立的规则0H如果如果 ，就判断，就判断 不成立，即认为吸烟与不成立，即认为吸烟与患肺癌有关系；否则，就判断患肺癌有关系；否则，就判断 成立，即认为吸烟成立，即认为吸烟与患肺癌有关系。与患肺癌有关系。6.635k 0H0H独立性检验的定义独立性检验的定义 上面这种利用随机变量上面这种利用随机变量K2来确定在多大程度上来确定在多大程度上可以认为可以认为“两个分类变量有关系两个分类变量有关系”的方法，称为两的方法，称为两个分类变量的个分类变量的独立性检验独立性检验。在该规则下，把结论在该规则下，把结论“ 成立成立”错判成错判成“ 不不成立成立”的概率不会差过的概率不会差过0H0H2(6.635)

12、0.01,P K 即有即有99%的把握认为的把握认为 不成立。不成立。0H独立性检验的思想及应用课件独立性检验的基本思想（类似独立性检验的基本思想（类似反证法反证法）(1)(1)假设结论不成立假设结论不成立, ,即即 “两个分类变量没有关系两个分类变量没有关系”. .0:H(2)(2)在此假设下我们所构造的随机变量在此假设下我们所构造的随机变量 K K2 2 应该很小应该很小, ,如果由如果由观测数据计算得到观测数据计算得到K K2 2的观测值的观测值k k很大很大, ,则在一定可信程度上则在一定可信程度上说明说明 不成立不成立. .即在一定可信程度上认为即在一定可信程度上认为“两个分类变量有

13、两个分类变量有关系关系”；如果；如果k k的值很小，则说明由样本观测数据没有发现反的值很小，则说明由样本观测数据没有发现反对对 的充分证据。的充分证据。0H0H(3)(3)根据随机变量根据随机变量K K2 2的含义的含义, ,可以通过评价该假设不合理的可以通过评价该假设不合理的程度程度, ,由实际计算出的由实际计算出的, ,说明假设合理的程度为说明假设合理的程度为99%,99%,即即“两两个分类变量有关系个分类变量有关系”这一结论成立的可信度为约为这一结论成立的可信度为约为99%.99%.独立性检验的思想及应用课件怎样判断怎样判断K K2 2的观测值的观测值k是大还是小呢？是大还是小呢？ 这仅

14、需要确定一个正数这仅需要确定一个正数 ，当，当 时就认为时就认为K K2 2的观测的观测值值 k大。此时相应于大。此时相应于 的判断规则为：的判断规则为：0k0kk0k如果如果 ，就认为，就认为“两个分类变量之间有关系两个分类变量之间有关系”；否则；否则就认为就认为“两个分类变量之间没有关系两个分类变量之间没有关系”。0kk0k-临界值临界值按照上述规则，把按照上述规则，把“两个分类变量之间有没关系两个分类变量之间有没关系”错误的判断错误的判断为为“两个分类变量之间有关系两个分类变量之间有关系”的概率为的概率为P( ).20Kk在实际应用中，我们把在实际应用中，我们把 解释为有解释为有的把握认

15、为的把握认为“两个分类变量之间有关系两个分类变量之间有关系”；把；把 解释为解释为不能以不能以 的把握认为的把握认为“两个分类变量两个分类变量之间有关系之间有关系”，或者样本观测数据没有提供，或者样本观测数据没有提供“两个分类变量两个分类变量之间有关系之间有关系”的充分证据。的充分证据。0kk2(1() 100%P Kk0kk2(1() 100%P Kk独立性检验的思想及应用课件思考：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 一般地，假设有两个分类变量一般地，

16、假设有两个分类变量X和和Y，它们的值域，它们的值域分别为分别为x1,x2和和y1,y2,其样本频数列联表（称为其样本频数列联表（称为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独立性检验的思想及应用课件 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：aabccd2、可以利用独立性检验来考察两个分类变量是否有关系，并、可以利用独立性检验来考察两个分类变量是否有关系，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、通过三维柱形图和二维条形图，可以粗略地判断两个变、通过三维柱

17、形图和二维条形图，可以粗略地判断两个变量是否有关系量是否有关系,但是这种判断无法精确地给出所得结论的可靠但是这种判断无法精确地给出所得结论的可靠程度。程度。 （1）在三维柱形图中，）在三维柱形图中， 主对角线上两个柱形高度的乘积主对角线上两个柱形高度的乘积ad与副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bc相差越大，相差越大，H1成立的成立的可能性就越大。可能性就越大。 （2）在二维条形图中）在二维条形图中,可以估计满足条件可以估计满足条件X=x1的个体中具的个体中具有有Y=y1的个体所占的比例的个体所占的比例 ，也可以估计满足条件，也可以估计满足条件X=x2的个体中具有的个体

18、中具有Y=y1的个体所占的比例的个体所占的比例 。两个比例相差越。两个比例相差越大，大，H1成立的可能性就越大。成立的可能性就越大。aabccd独立性检验的思想及应用课件在实际应用中，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 5.0246.6367.87910.8280)k2P(K0k0k0)k2P(K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

19、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。0k2K0kk20(1() 100%P Kk独立性检验的思想及应用课件例例1 在某医院，因为患心脏病而住院的在某医院，因为患心脏病而住院的665名男性病人中，有名男性病人中，有214人秃顶；而另外人秃顶；而另外772名不是因为患心脏病而住院的男性病人中有名不是因为患心脏病而住院的男性病人中有175

20、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？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：解：根据题目所给数据得到如下列联表：患心脏病患心脏病不患心脏病不患心脏病总计总计秃顶秃顶214175389不秃顶不秃顶4515971048总计总计6657721437 相应的三维柱形图如图所相应的三维柱形图如图所示，比较来说，底面副对示，比较来说，底面副对角线上两个柱体高度的乘角线上两个柱体高度的乘积要大一些，因此可以在积要大一些，因此可以在某种程度上认为某种程度上认为

21、“秃顶与秃顶与患心脏病有关患心脏病有关”。秃头不秃头独立性检验的思想及应用课件例例1 在某医院，因为患心脏病而住院的在某医院，因为患心脏病而住院的665名男性病人中，有名男性病人中，有214人秃顶；而另外人秃顶；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？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：解：根据题目所给数据得到如下列联表：患心脏病患心脏病不患心脏病不患

22、心脏病总计总计秃顶秃顶214175389不秃顶不秃顶4515971048总计总计6657721437 根据联表根据联表1-13中的数据，得到中的数据，得到221437 (214 597 175 451)16.3736.635.389 1048 665 772K所以有所以有99%的把握认为的把握认为“秃顶患心脏病有关秃顶患心脏病有关”。独立性检验的思想及应用课件例1.秃头与患心脏病 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 。 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）。因为这组数因为这组数据来自住院据来自住院

23、的病人，因的病人，因此所得到的此所得到的结论适合住结论适合住院的病人群院的病人群体体独立性检验的思想及应用课件例例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某城市的某校高中生中随机抽取300名学生，得到如下联表：名学生，得到如下联表：喜欢数学课程喜欢数学课程不喜欢数学课程不喜欢数学课程总计总计男男3785122女女35143178总计总计72228300由表中数据计算由表中数据计算K2的观测值的观测值k 4.514。能够以。能够以95%的把握认为高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

24、细阐述得出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。结论的依据。解：可以有解：可以有95%以上的把握认为以上的把握认为“性别与喜欢数学课程之间有关系性别与喜欢数学课程之间有关系”。分别用分别用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。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 与与女生中喜欢数学课的比例女生中喜欢数学课的比例

25、应该相差很多，即应该相差很多，即aabccd()()acadbcabcdab cd()()()()()abcd ab cdac bd 独立性检验的思想及应用课件例例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某城市的某校高中生中随机抽取300名学生，得到如下联表：名学生，得到如下联表：喜欢数学课程喜欢数学课程不喜欢数学课程不喜欢数学课程总计总计男男3785122女女35143178总计总计72228300由表中数据计算由表中数据计算K2的观测值的观测值k 4.514。能够以。能够以95%的把握认为高的把握认

26、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。结论的依据。()()()()()abcd ab cdac bd 22(),()()()()n adbcKab cd ac bd因此，因此， 越大，越大， “性别与喜欢数学课程之间有关系性别与喜欢数学课程之间有关系”成立的可能性就越大。成立的可能性就越大。2K另一方面，在假设另一方面，在假设“性别与喜欢数学课程之间有关系性别与喜欢数学课程之间有关系”的前提下，事件的前提下，事件 的概率为的概率为23.841K 2(3.841)0.05,P K 因此事件因此事件A是一个小

27、概率事件。而由样本数据计算得是一个小概率事件。而由样本数据计算得 的观测值的观测值k=4.514,即即小概率事件小概率事件A发生。因此应该断定发生。因此应该断定“性别与喜欢数学课程之间有关系性别与喜欢数学课程之间有关系”成立，成立，并且这种判断结果出错的可能性约为并且这种判断结果出错的可能性约为5%。所以，约有。所以，约有95%的把握认为的把握认为“性性别与喜欢数学课程之间有关系别与喜欢数学课程之间有关系”。2K独立性检验的思想及应用课件例例3、某校高三年级在一次全年级的大型考试中，数学成绩优、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

28、下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？较大？物理物理化学化学总分总分数学优秀数学优秀228225267数学非优秀数学非优秀14315699注：该年级此次考试中，数学成绩优秀的有注：该年级此次考试中，数学成绩优秀的有360人，非优人，非优秀的有秀的有880人。人。物理优秀物理优秀物理非优秀物理非优秀合计合计数学优秀数学优秀数学非优秀数学非优秀合计合计（1）列出数学与物理优秀的）列出数学与物理优秀的2x2列联表如下列联表如下2281323601437378803718

29、691240代入公式可得代入公式可得 2270.1143.K 独立性检验的思想及应用课件注：该年级此次考试中，数学成绩优秀的有注：该年级此次考试中，数学成绩优秀的有360人，非优秀的有人，非优秀的有880人。人。物理物理化学化学总分总分数学优秀数学优秀228225267数学非优秀数学非优秀14315699（2）列出数学与化学优秀的）列出数学与化学优秀的2x2列联表如下列联表如下化学优秀化学优秀化学非优秀化学非优秀合计合计数学优秀数学优秀数学非优秀数学非优秀合计合计2251353601567248803818591240（3）列出数学与总分优秀的）列出数学与总分优秀的2x2列联表如下列联表如下总

30、分优秀总分优秀总分非优秀总分非优秀合计合计数学优秀数学优秀数学非优秀数学非优秀合计合计26793360997818803668741240代入公式可得代入公式可得2240.6112.K 代入公式可得代入公式可得22486.1225.K 独立性检验的思想及应用课件练习练习1 1：在：在500500人身上试验某种血清预防感冒作用，把他们一年中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的感冒记录与另外500500名未用血清的人的感冒记录作比较，结果名未用血清的人的感冒记录作比较，结果如表所示。如表所示。未感冒未感冒感冒感冒合计合计使用血清使用血清252248500未使用血清未使用血

31、清224276500合计合计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。防感冒的作用？并进行独立性检验。解：设解：设H0：感冒与是否使用该血清没有关系。：感冒与是否使用该血清没有关系。075.7500500526474216242284258100022K因当因当H0成立时，成立时，K26.635的概率约为的概率约为0.01，故有，故有99%的把握认的把握认为该血清能起到预防感冒的作用。为该血清能起到预防感冒的作用。P(kk0)0.500.400.250.150.100.050.

32、025 0.010 0.005 0.001k00.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828独立性检验的思想及应用课件P(kk0)0.500.400.250.150.100.050.025 0.010 0.005 0.001k00.455 0.708 1.323 2.072 2.706 3.841 5.024 6.635 7.879 10.828有效有效无效无效合计合计口服口服585840409898注射注射646431319595合计合计1221227171193193解：设解：设H0：药的效果与给药方式没有关系。：药的效果与给药方式