高中数学 1.2独立性检验的思想及应用（一）课件 新人教A版选修1-2.ppt

1 2独立性检验的基本思想及其初步应用 一 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 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 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 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 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 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 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 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 因此 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 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 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 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 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 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 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 112x2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列联表 为 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 两个比例相差越大 H1成立的可能性就越大 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 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