高中数学人教版新课标A选修1-21.2独立性检验的基本思想及其初步应用教课课件ppt

这是一份高中数学人教版新课标A选修1-21.2独立性检验的基本思想及其初步应用教课课件ppt，共22页。PPT课件主要包含了吸烟与患肺癌列联表，三维柱形图，二维条形图，等高条形图，这个值是不是很大呢，k≈4513，秃顶与患心脏病列联表等内容，欢迎下载使用。
分类变量:变量的不同”值”表示个体所属的不同 类别.
如:性别,是否吸烟,宗教信仰,国籍等
在日常生活中,我们常常关心两个分类变量之间是否具有关系.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)
列联表:列出两个分类变量的频数表
那么吸烟是否对患肺癌有影响?
粗略估计: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,直观上得到结论:
吸烟者和不吸烟者患肺癌的可能性存在差异
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?
能够以多大的把握认为”吸烟与患肺癌有关”,假设H0:吸烟与患肺癌没有关系,看看能推出什么结论
把前表中的数字用字母代替,得到如下用字母表示的列联表:
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差不多,即
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;
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:
利用公式计算得K2的观测值为:
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
只有1%,因此我们有99%的把握认为H0不成立,即有99%的把握认为”吸烟与患肺癌有关系”
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
独立性检验的基本思想类似于数学上的反证法.要确认”两个分类变量有关系”这一结论成立的可信程度,首先假设该结论不成立,即假设结论”两个分类变量没有关系”成立.在该假设下我们构造的随机变量K2应该很小,如果由观测数据计算得到的K2的观测值k很大,则在一定程度上说明假设不合理.
例.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,得到如下列联表:
性别与喜欢数学课程列联表:
由表中数字计算K2的观测值,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?
有95%的把握认为”性别与是否喜欢数学课程之间有关系”
若要推断的结论为H1:”X与Y有关系”,可如下操作:
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,但是这种判断不精确.
(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,两个比例的值相差越大,H1成立的可能性就越大
2.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.
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174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:根据题目所得数据得到列联表:
相应的三维柱形图如下:
比较来说,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”
所以有99%的把握认为”秃顶与患心脏病有关”