【Python语言应用案例：家庭状况和青少年行为有无关系1000字（论文）】

IPython语言应用案例：家庭状况和青少年行为有无关系1.1案例描述为了探究关系，对990个家庭状况进行了调查，得到了下面这些数据，列出了如下表格.表2.4家庭状况对青少年影响情况离异家庭未离异家庭合计犯罪178272450未犯罪38502540合计216774990分析：青少年行为有犯罪与没有犯罪这两个取值，家庭状况也有两个取值[14]，显然总频数大于等于四十，计算得出所有理论数都大于等于五,可以用卡方检验进行进一步探究.1.2问题解决(1)建立假设检验原假设H0：青少年行为与家庭状况之间没有任何影响.备择假设H1：青少年行为与家庭状况之间相互影响.(2)计算理论值假设青少年行为与家庭状况相互独立，根据公式,计算出这990个人中犯罪的概率，未犯罪的概率；离异家庭的概率，未离异家庭的概率.P(犯罪)=P(未犯罪)=P(离异家庭)=P(未离异家庭)=P(犯罪且家庭离异)=P(犯罪且家庭未离异)=P(未犯罪且家庭离异)=P(未犯罪且家庭未离异)=由此我们可以计算得出理论值，在这990人中犯罪且家庭离异的人：犯罪且家庭未离异的人：未犯罪且家庭离异的人：未犯罪且家庭未离异的人：建立期望频数表如下：表2.5家庭状况对青少年行为的理论影响情况青少年行为\家庭状况离异家庭未离异家庭犯罪98.18351.82未犯罪117.82422.18根据公式，就可以得到统计量：运用Python简化计算：importnumpyasnpfromscipy.statsimportchi2_contingencya=np.array([178,272,38,502])b=np.array([98.18,351.82,117.82,422.18])c=((a-b)**2/b).sum()print(c)输出结果：152.16998986931458(3)利用Python语言绘制图像计算自由度：接下来，我们利用Python语言看这个统计量的概率有多大.输入程序：fromscipyimportstatsimportseabornassnsimportmatplotlib.pyplotaspltsamples=stats.chi2.rvs(size=10000,df=1)sns.distplot(samples)plt.title('$\chi^2$,df=1')plt.show()输出结果：图2.1程序运行结果图(4)做出决策可以看到，152.15都不在图像显示到的范围之内，说明这个概率很低。通过我们查表，当置信度为95%，自由度为1时，我们找到卡方分布的临界值为3.84，而152.15要远远大于3.84，这说明理论与实际的差异程度很大，所以应该拒绝原假设.利用Python语言输入程序：fromscipyimportstatscf=1-stats.chi2.cdf(x=152.15,df=1)print(cf)输出结果：0这个结果代表的是右侧面积的概率，近乎为零，说明了得到这组观测数据的概率很低很低，证明了我们的原假设是不正确的，也就是说“青少年行为”与“家庭状况”不独立。即两者之间相互影响.1.3小结案例四探究家庭状况和青少年行为有无关系，先建立假设检验，在我们的假设青少年行为与家庭状况独立下，计算出理论值，求出卡方值，利用Python语言绘制自由度为1的卡方分布图像，发现152.1都不在能图像显示到的范围之内，