《独立性检验的思想及应用(一)PPT课件.ppt》由会员分享，可在线阅读，更多相关《独立性检验的思想及应用(一)PPT课件.ppt（19页珍藏版）》请在三一办公上搜索。
1、2023/10/3,郑平正 制作,独立性检验的基本思想及其初步应用,第三章 统计案例,2023/10/3,郑平正 制作,问题:数学家庞加莱每天都从一家面包店买一块1000g 的面包，并记录下买回的面包的实际质量。一年后，这位数学家发现，所记录数据的均值为950g。于是庞加莱推断这家面包店的面包分量不足。,假设“面包份量足”，则一年购买面包的质量数据的平均值应该不少于1000g；“这个平均值不大于950g”是一个与假设“面包份量足”矛盾的小概率事件；这个小概率事件的发生使庞加莱得出推断结果。,2023/10/3,郑平正 制作,一:假设检验问题的原理,假设检验问题由两个互斥的假设构成，其中一个叫做
2、原假设，用H0表示；另一个叫做备择假设，用H1表示。,例如，在前面的例子中，原假设为：H0：面包份量足，备择假设为：H1：面包份量不足。这个假设检验问题可以表达为：H0：面包份量足 H1：面包份量不足,2023/10/3,郑平正 制作,二:求解假设检验问题,考虑假设检验问题：H0：面包分量足 H1：面包分量不足,在H0成立的条件下，构造与H0矛盾的小概率事件；如果样本使得这个小概率事件发生，就能以一定把握断言H1成立；否则，断言没有发现样本数据与H0相矛盾的证据。,求解思路：,2023/10/3,郑平正 制作,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，我们常常关心分
3、类变量之间是否有关系：,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。,2023/10/3,郑平正 制作,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,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,2023/10/3,郑平正 制作,1、列联表,2、三维柱形图,3、二维条形图,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：,2023/10/3,郑平正 制作,4、等高条形
4、图,等高条形图更清晰地表达了两种情况下患肺癌的比例。,2023/10/3,郑平正 制作,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.,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A表示不吸烟，B表示不患肺癌，则“吸烟与患肺癌没有关系”等价于“吸烟与患肺癌独立”，即假设H0等价于 P(AB)=P(A)P(B).,2023/10/3,郑平正 制作,因此|ad-bc|越小，说明吸烟与患肺癌之间关系越弱；|ad-bc|越大，
5、说明吸烟与患肺癌之间关系越强。,在表中，a恰好为事件AB发生的频数；a+b和a+c恰好分别为事件A和B发生的频数。由于频率接近于概率，所以在H0成立的条件下应该有,2023/10/3,郑平正 制作,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,2023/10/3,郑平正 制作,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
6、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。,2023/10/3,郑平正 制作,判断 是否成立的规则,如果，就判断 不成立，即认为吸烟与患肺癌有关系；否则，就判断 成立，即认为吸烟与患肺癌有关系。,独立性检验的定义,上面这种利用随机变量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。,在该规则下，把结论“成立”错判成“不成立”的概率不会差过,即有99%的把握认为 不成立。,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
7、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%.,2023/10/3,郑平正 制作,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
8、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。,2023/10/3,郑平正 制作,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1-11 2x2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
9、列联表）为：,2023/10/3,郑平正 制作,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：,2、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。,1、通过三维柱形图和二维条形图，可以粗略地判断两个变量是否有关系,但是这种判断无法精确地给出所得结论的可靠程度。（1）在三维柱形图中，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bc相差越大，H1成立的可能性就越大。（2）在二维条形图中,可以估计满足条件X=x1的个体中具有Y=y1的个体所占的比例，也可以估计满足条件X=x2的个体中具有Y=y1的个体所占的比例
10、。两个比例相差越大，H1成立的可能性就越大。,2023/10/3,郑平正 制作,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：,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。,2023/10/3,郑平正 制作,例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。,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。,
