独立性检验基本思想及其初步应用 省赛获奖

§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两个定量变量的相关关系分析：回归分析（画散点图、相关指数R2、残差分析）（定性变量）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、是否患肺癌、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、女两个值两个分类变量的相关关系的分析：①通过图形直观判断两个分类变量是否相关；②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.与表格相比，三维柱形图和二维条形图能更直观地反映出相关数据的总体状况.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）：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.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.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把数字用字母代替，得到如下用字母表示的列联表：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吸烟与患肺癌的列联表：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应差不多，即|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.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若H0成立，即“吸烟与患肺癌没有关系”，则K2应很小.由列联表中数据，利用公式（1）计算得K2的观测值为：（1）其中n=a+b+c+d为样本容量.在H0成立的情况下，统计学家估算出如下的概率：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，是一个小概率事件.现在K2的观测值为56.632，远远大于6.635，所以有理由断定H0不成立，即认为“吸烟与患肺癌有关系”

但这种判断会犯错误，犯错误的概率不会超过0.01，即我们有99％的把握认为“吸烟与患肺癌有关系”.利用随机变量K2来确定在多大程度上可以认为“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.独立性检验：独立性检验首先，假设结论不成立，即H：两个分类变量没有关系

（在这种假设下k应该很小）其次，由观测数据计算K的观测值k，

（如果k很大，则在一定可信程度上说明H不成

立,即两个分类变量之间有关系）最后，根据k的值判断假设是否成立2临界值表：0.500.400.250.150.100.050.0250.0100.0050.0010.4450.7081.3232.0722.7063.8415.0246.6357.87910.828y1y2总计x1aba+bx2cdc+d总计a+cb+da+b+c+d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（称为2x2列联表）为：10.8287.8796.6355.0243.8412.7062.0721.3230.7080.445

k0.0010.0050.0100.0250.050.100.150.50.400.50（1）如果k>10.828，就有99.9%的把握认为“X与Y有关系”；（2）如果k>7.879，就有99.5%的把握认为“X与Y有关系”；（3）如果k>6.635，就有99%的把握认为“X与Y有关系”；（4）如果k>5.024，就有97.5%的把握认为“X与Y有关系”；（5）如果k>3.841，就有95%的把握认为“X与Y有关系”；（6）如果k>2.706，就有90%的把握认为“X与Y有关系”；临界值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99.9%的把握认为“吸烟与患癌症有关系”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1-13：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”。因为这组数据来自住院的病人，因此所得到的结论适合住院的病人群体．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k≈4.513。在多大程度上可以认为高中生的性别与是否喜欢数学课程之间有关系？为什么？而我们所得到的K2的观测值k≈4.513超过3.841，这就意味着“性别与是否喜欢数学课程之间的关系”这一结论错误的可能性约为0.05（或小于0.05）

，即有95%（或大于95%）的把握认为“性别与是否喜欢数学课程之间有关系”。解：在假设“性别与是否喜欢数学课程之间的关系”的前提下K2应该很小，并且死亡存活总计第一种剂量141125第二种剂量61925总计203050种子灭菌种子未灭菌总计黑穗病26184210无黑穗病50200250总计76384460试按照原试验目的作统计分析推断，能否在犯错误的概率不超过0.05的前提下认为种子灭菌和黑穗病有关系。组别有效无效总计化疗组192443化疗加放疗组341044总计533487问两种疗法有无差别。优秀不优秀总计甲班331245乙班232245总计563490根据表中数据，估计“成绩与班级有关系”犯错误的概率不超过————2010年(19)(本小题12分)为调查某地区老人是否需要志愿者提供帮助，用简单随机抽样方法从该地区调查了500位老年人，结果如下：是否需要志愿性别男女需要4030不需要160270估计该地区老年人中，需要志愿者提供帮助的老年人的比例2.能否有99％的把握认为该地区的老年人是否需要志愿者提供帮助与性别有关？3.根据（2）的结论，能否提供更好的调查方法来估计该地区老年人，需要志愿帮助的老年人的比例？说明理由（19）解：（1）调查的500位老年人中有70位需要志愿者提供帮助，因此该地区老年人中，需要帮助的老年人的比例的