独立性检验的基本思想及其初步应用

3.2独立性检验的基本思想及初步应用1.(1)了解独立性检验的基本思想、方法及初步应用．(2)会从列联表(只要求2×2列联表)、等高条形图直观分析两个分类变量是否有关．(3)会用K2公式判断两个分类变量在某种可信程度上的相关性．2．运用数形结合的方法，借助对典型案例的探究，来了解独立性检验的基本思想，总结独立性检验的基本步骤．3.(1)通过本节课的学习，让学生感受数学与现实生活的联系，体会独立性检验的基本思想在解决日常生活问题中的作用．(2)培养学生运用所学知识，依据独立性检验的思想作出合理推断的实事求是的好习惯．本课主要学习独立性检验的基本思想及初步应用。以吸烟是否对肺癌有影响引入新课，通过数据和图表分析，得到结论是：吸烟与患肺癌有关初步判断两分类变量具有相关性。通过结论的可靠程度如何？引出如何通过量化来进行研究判断两分类变量是否具有相关性，相关程度有多大？通过假设两分类变量没有相关性，也就是是相互独立的，得到判断两分类变量相关性检验方法。再通过例1例2讲解引导学生掌握独立性检验的基本思想及初步应用。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的方法：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.独立性检验相比于前述各种直观判断，我们更关心有多大把握认为“吸烟与患肺癌有关”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我们看下面的吸烟与患肺癌的列联表：如果H0成立，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|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.先假设：H0：吸烟与患肺癌没有关系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，观测值K2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，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：独立性检验的基本思想：对“两个分类变量有关系”这一结论成立的可信程度的判断：（1）假设该结论不成立，即假设结论“两个分类变量没有关系”成立.（2）在假设条件下，计算构造的随机变量K2，如果由观测数据计算得到的K2很大，则在一定程度上说明假设不合理.（3）根据随机变量K2的含义，可以通过（2）式评价假设不合理的程度，由实际计算出的k>6.635，说明假设不合理的程度约为99%，即“两个分类有关系”这一结论成立的可信程度约为99%.y1y2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：若要判断结论为：H1：“X与Y有关系”，可按如下步骤判断H1成立的可能性：1.通过三维柱形图和二维条形图，可以粗略地判断两个分类变量是否有关系，但是这种判断无法精确地给出所得结论的可靠程度.2.利用独立性检验来考察两个分类变量是否有关系，能较精确地给出这种判断的可靠程度.具体作法是：（1）根据实际问题需要的可信程度确定临界值k0；（2）由观测数据计算得到随机变量K2的观测值k；（3）如果k>k0

，就以（1-P(K2≥k0)）×100%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.10.8287.8796.6355.0243.8412.7062.0721.3230.7080.445k0.0010.0050.0100.0250.050.100.150.50.400.50（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”；（7）如果k<=2.706，就认为没有充分的证据显示

“X与Y有关系”.统计学家经过研究，给出如下的临界值表在某医院，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秃头不秃头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”.根据列联表中的数据，得到：所以有99%的把握认为“秃顶患心脏病有关”.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：联表性别与喜欢数学课程列联表喜欢数学课程不喜欢数学课程总计男3785122女35143178总计72228300解：在假设“性别与是否喜欢数