统计案例--独立性检验及其初步
3.2.1 独立性检验
在
a n
=
a+b n
a+c 中，由于 n
a n
，a+b ，a+c nn
表示的
是频率，不是概率。即是变量之间独立，式子两
边也不一定恰好相等。(频率趋近与概率，但不
一定相等)
但是当两边相差很大时，变量之间就不独立。
独立性检验
ad - bc 越小，说明吸烟与患肺癌之间的关系越弱，
ad - bc 越大，说明吸烟与患肺癌之间的关系越强
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
吸烟和肺癌这两件事是否独立？
用 A 表示“不吸烟”， B 表示“不患肺癌” 若“吸烟”与“患肺癌”独立,即A与B独立
等价于 P(AB)= P(A)P(B)
不吸烟 吸烟 总计
吸烟与肺癌列联表
不患肺癌 患肺癌
a
b
c
d
a+c
b+d
总计 a+b c+d a+b+c+d
内有效?
600
500
400
300 200 100
0 秃顶
不秃顶
患其他病 患心脏病
患心脏病 患其他病
例2.为考察高中生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
喜欢数学课程 不喜欢数学课程 总计
男
37 a
b
85
122
女
35 c
K 2 9965(7775 49 42 2099）2 56.632 7817 2148987491
例1.在某医院,因为患心脏病而住院的665
统计案例(精讲)(提升版)(原卷版)
8.5 统计案例（精讲）（提升版）思维导图考点一独立性检验【例1】（2022·吉林·梅河口市第五中学高三开学考试）某中学准备组建“文科”兴趣特长社团，由课外活动小组对高一学生进行了问卷调查，问卷共100道题，每题1分，总分100分，该课外活动小组随机抽取了100名学生的问卷成绩（单位：分）进行统计，将数据按照[0,20),[20,40),[40,60),[60,80),[80,100]分成5组，绘制的频率分布直方图如图所示，若将不低于60分的称为“文科方向”学生，低于60分的称为“理科方向”学生.(1)根据已知条件完成下面2×2列联表，并据此判断是否有99.5%的把握认为“文科方向”与性别有关？理科方向文科方向总计男40女45考点呈现例题剖析总计 1001人，共抽取4次，记被抽取的4人中“文科方向”的人数为X ，若每次抽取的结果是相互独立的，求X 的分布列和数学期望.参考公式：()()()()22()n ad bc a b c d a c b d χ-=++++，其中n a b c d =+++.参考临界值：()2P k αχ=0.10 0.05 0.025 0.010 0.005 0.001k2.7063.841 5.024 6.635 7.879 10.828【一隅三反】1．（2022·白山模拟）十三届全国人大四次会议表决通过了关于国民经济和社会发展第十四个五年规划和2035年远景目标纲要的决议，决定批准这个规划纲要，纲要指出：“加强原创性引领性科技攻关”．某企业集中科研骨干，攻克系列“卡脖子”技术，已成功实现离子注入机全谱系产品国产化，包括中束流、大束流、高能、特种应用及第三代半导体等离子注入机，工艺段覆盖至28nm，为我国芯片制造产业链补上重要一环，为全球芯片制造企业提供离子注入机一站式解决方案．此次技术的突破可以说为国产芯片的制造做出了重大贡献．该企业使用新技术对某款芯片进行试生产，在试产初期，生产一件该款芯片有三道工序，每道工序的生产互不影响，这三道工序的次品率分别为118，119，120．附：()()()()()22n ad bcKa b c d a c b d-=++++，n a b c d=+++．()2P K k≥0.0500.0100.0050.001 k 3.841 6.6357.87910.828（①P①100X（2）某手机生产厂商将该款芯片投入到某新款手机上使用，并对部分芯片做了技术改良，推出了两种型号的手机，甲型号手机采用没有改良的芯片，乙型号手机采用改良了的芯片，现对使用这两种型号的手机用户进行回访，就他们对开机速度进行满意度调查．据统计，回访的100名用户中，使用甲型号手机的有30人，其中对开机速度满意的有15人；使用乙型号手机的有70人，其中对开机速度满意的有55人．完成下列22⨯列联表，并判断是否有99.5%的把握认为该项技术改良与用户对开机速度的满意度有关．甲型号乙型号合计满意不满意合计2．（2022·陕西咸阳·三模（理））2022年北京冬奥组委发布的《北京2022年冬奥会和冬残奥会经济遗产报告（2022）》显示，北京冬奥会已签约45家赞助企业，冬奥会赞助成为一项跨度时间较长的营销方式．为了解该45家赞助企业每天销售额与每天线上销售时间之间的相关关系，某平台对45家赞助企业进行跟踪调查，其中每天线上销售时间不少于8小时的企业有20家，余下的企业中，每天的销售额不足30万元的企业占35，统计后得到如下22⨯列联表：销售额不少于30万元销售额不足30万元合计线上销售时间不少于8小时 17 20 线上销售时间不足8小时合计45售时间有关？(2)按销售额在上述赞助企业中采用分层抽样方法抽取5家企业．在销售额不足30万元的企业中抽取时，记“抽到线上销售时间不少于8小时的企业数”为X ，求X 的分布列和数学期望． 附： ()20P K k ≥0.050 0.010 0.001 0k3.841 6.635 10.828参考公式：()()()()2 n ad bc K a b c d a c b d -=++++，其中n a b c d =+++．考点二 线性回归方程【例2-1】（2022·齐齐哈尔模拟）某单位为了解夏季用电量与月份的关系，对本单位2021年5月份到8月份的日平均用电量y （单位：千度）进行了统计分析，得出下表数据：月份（x ）5 6 7 8 日平均用电量（y ）1.93.4t7.11.7877ˆ.0y x =-t 的值为（ ）A ．5.8B ．5.6C ．5.4D ．5.2【例2-2】（2022·湖南模拟）《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》，这是21世纪以来第18个指导“三农”工作的中央一号文件.文件指出，民族要复兴，乡村必振兴.为助力乡村振兴，某电商平台为某地的农副特色产品开设直播带货专场.为了对该产品进行合理定价，用不同的单价在平台试销，得到如下数据：单价x （元/件） 8 8.2 8.4 8.6 8.8 9 销量y （万件）908483807568附：参考公式：回归方程ˆˆˆybx a =+，其中()()()iii ii 1i 1222iii 1i 1ˆnnx x y y x y nxyb x x xnx ====---==--∑∑∑∑，ˆˆay bx =-. 参考数据：614066i ii x y==∑，621434.2i i x ==∑.（1）（i ）根据以上数据，求y 关于x 的线性回归方程；（ii ）若该产品成本是7元/件，假设该产品全部卖出，预测把单价定为多少时，工厂获得最大利润.（2）为了解该产品的价格是否合理，在试销平台上购买了该产品的顾客中随机抽了400人，阅读“购买后的评价”得知：对价格满意的有300人，基本满意的有50人，不满意的有50人.为进一步了解顾客对该产品价格满意度形成的原因，在购买该产品的顾客中随机抽取4人进行电话回访，记抽取的4人中对价格满意的人数为随机变量X ，求随机变量X 的分布列和数学期望.（视频率为相应事件发生的概率）【一隅三反】1．（2022·安徽三模）对某位同学5次体育测试的成绩（单位：分）进行统计得到如下表格：第x 次 1 2 3 4 5 测试成绩y3940484850根据上表，可得关于的线性回归方程为ˆ3ˆy x a =+，下列结论不正确的是（ ）A ．ˆ36a= B ．这5次测试成绩的方差为20.8 C ．y 与x 的线性相关系数0r < D ．预测第6次体育测试的成绩约为542．（2022·安徽模拟）新冠疫情期间，口罩的消耗量日益增加，某药店出于口罩进货量的考虑，连续9天统计了第i (i 1239)x =，，，，天的口罩的销售量i y （百件），得到的数据如下：99i i i=1i=145171x y ==∑∑，，()99922ii i i i=1i=1i=1312528510953x x y y y ==-=∑∑∑，，． 参考公式：相关系数()()()()iii=122iii=1i=1nnnx x y y r x x y y --=--∑∑∑数据()i i ()i 123x y n =，，，，，，其回归直线ˆˆˆy bx a =+的斜率和截距的最小二乘估计分别为()()()iii i1222i i11ˆˆˆnn i inni i x x y y x y nxybay bx x x xnx ===---===---∑∑∑∑， （1）若用线性回归模型ˆˆˆybx a =+拟合y 与x 之间的关系，求该回归直线的方程； （2）统计学家甲认为用（1）中的线性回归模型（下面简称模型1）进行拟合，不够精确，于是尝试使用非线性模型（下面简称模型2）得到i x 与i y 之间的关系，且模型2的相关系数20989r =．，试通过计算说明模型1，2中，哪一个模型的拟合效果更好． 3．（2022·湖南模拟）《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》，这是21世纪以来第18个指导“三农”工作的中央一号文件.文件指出，民族要复兴，乡村必振兴.为助力乡村振兴，某电商平台为某地的农副特色产品开设直播带货专场.为了对该产品进行合理定价，用不同的单价在平台试销，得到如下数据：单价x （元/件） 8 8.2 8.4 8.6 8.8 9 销量y （万件）908483807568附：参考公式：回归方程ˆˆˆybx a =+，其中()()()iiiii 1i 1222iii 1i 1ˆnnx x y y x y nxyb x x xnx ====---==--∑∑∑∑，ˆˆay bx =-. 参考数据：614066i ii x y==∑，621434.2i i x ==∑.（1）（i ）根据以上数据，求y 关于x 的线性回归方程；（ii ）若该产品成本是7元/件，假设该产品全部卖出，预测把单价定为多少时，工厂获得最大利润.（2）为了解该产品的价格是否合理，在试销平台上购买了该产品的顾客中随机抽了400人，阅读“购买后的评价”得知：对价格满意的有300人，基本满意的有50人，不满意的有50人.为进一步了解顾客对该产品价格满意度形成的原因，在购买该产品的顾客中随机抽取4人进行电话回访，记抽取的4人中对价格满意的人数为随机变量X，求随机变量X的分布列和数学期望.（视频率为相应事件发生的概率）考点三非线性回归方程【例3】（2022·福建·三明一中模拟预测）当前，新一轮科技革命和产业变革蓬勃兴起，以区块链为代表的新一代信息技术迅猛发展，现收集某地近5年区块链企业总数量相关数据，如下表年份20172018201920202021编号x12345企业总数量y（单位：千个） 2.156 3.7278.30524.27936.224(1)根据表中数据判断，y a bx=+与e dxy c=（其中 2.71828e=…为自然对数的底数），哪一个回归方程类型适宜预测未来几年我国区块链企业总数量？（给出结果即可，不必说明理由），并根据你的判断结果求y关于x的回归方程；(2)为了促进公司间的合作与发展，区块链联合总部决定进行一次信息化技术比赛，邀请甲、乙、丙三家区块链公司参赛．比赛规则如下：①每场比赛有两个公司参加，并决出胜负；①每场比赛获胜的公司与未参加此场比赛的公司进行下一场的比赛；①在比赛中，若有一个公司首先获胜两场，则本次比赛结束，该公司获得此次信息化比赛的“优胜公司”．已知在每场比赛中，甲胜乙的概率为12，甲胜丙的概率为13，乙胜丙的概率为35，若首场由甲乙比赛，求甲公司获得“优胜公司”的概率．参考数据：5174.691i i y ==∑，51312.761i i i x y ==∑，5110.980i i z ==∑，5140.457i i i x z ==∑（其中ln z y =）． 附：样本(),(1,2,,)i i x y i n =的最小二乘法估计公式为1221ˆni ii nii x y nx ybxnx==-=-∑∑，ˆa y bx=-．【一隅三反】1．（2022·山西二模）数据显示，中国在线直播用户规模及在线直播购物规模近几年都保持高速增长态势，下表为2017－2021年中国在线直播用户规模（单位：亿人），其中2017年－2021年对应的代码依次为1－5．年份代码x 1 2 3 4 5 市场规模y3.984.565.045.866.36参考数据： 5.16y =， 1.68v =，145.10i ii v y==∑，其中i i v x =．参考公式：对于一组数据()11v y ，，()22v y ，，…，()n n v y ，，其回归直线ˆˆˆybv a =+的斜率和截距的最小二乘估计公式分别为1221ˆni ii ni i v y nvybv nv ==-=-∑∑，ˆˆay bv =-． （1）由上表数据可知，可用函数模型ˆˆyx a =拟合y 与x 的关系，请建立y 关于x 的回归方程（ˆa ，ˆb 的值精确到0.01）；（2）已知中国在线直播购物用户选择在品牌官方直播间购物的概率为p ，现从中国在线直播购物用户中随机抽取4人，记这4人中选择在品牌官方直播间购物的人数为X ，若()()34P X P X ===，求X 的分布列与期望．2．（2022·广东广州·一模）人们用大数据来描述和定义信息时代产生的海量数据，并利用这些数据处理事务和做出决策，某公司通过大数据收集到该公司销售的某电子产品1月至5月的销售量如下表. 月份x1 2 3 4 5 销售量y （万件）4.95.86.88.310.2该公司为了预测未来几个月的销售量，建立了y 关于x 的回归模型：ˆv . (1)根据所给数据与回归模型，求y 关于x 的回归方程（ˆu 的值精确到0.1）；(2)已知该公司的月利润z （单位：万元）与x ，y 的关系为z x x=，根据（1）的结果，问该公司哪一个月的月利润预报值最大？ 参考公式：对于一组数据()()()1122,,,,,,n n x y x y x y ，其回归直线ˆˆˆy bx a =+的斜率和截距的最小二乘估计公式分别为()()()121ˆniii nii x x y y bx x ==--=-∑∑，ˆˆay bx =-.11 / 113．（2022·广东肇庆·二模）下表是我国从2016年到2020年能源消费总量近似值y （单位：千万吨标准煤）的数据表格： 年份2016 2017 2018 2019 2020 年份代号x1 2 3 4 5 能源消费总量近似值y （单位：千万吨标准煤） 442 456 472 488 498以x 为解释变量，y 为预报变量，若以11为回归方程，则相关指数210.9946R ≈，若以22ˆln ya b x =+为回归方程，则相关指数220.9568R ≈． (1)判断11ˆyb x a =+与22ˆln y a b x =+哪一个更适宜作为能源消费总量近似值y 关于年份代号x 的回归方程，并说明理由；(2)根据（1）的判断结果及表中数据，求出y 关于年份代号x 的回归方程．参考数据：512356i i y ==∑，517212i i i x y ==∑．参考公式：回归方程ˆˆˆybx a =+中斜率和截距的最小二乘估计公式分别为：()()()1122211ˆn ni i i ii i n n ii i i x x y y x y nxy b x x x nx ====---==--∑∑∑∑，ˆˆa y bx =-．。
2020学年高中数学第3章统计案例3.2独立性检验的基本思想及其初步应用课件新人教A版选修2_3
返回目录
(2)独立性检验(精确判断) 具体实施步骤如下： ①根据实际问题需要的可信程度确定临界值 k0； ② 根 据 观 测 数 据 计 算 随 机 变 量 K2 ＝ a＋bcn＋add－ab＋cc2b＋d的观测值 k，其中 n＝a＋b＋c＋ d 为样本容量；
返回目录
③查临界值表(以K2的观测值k的大小作为检验在多 大程度上可以认为“两个变量有关系”的标准)，如果 k≥k0，就以(1－P(K2≥k0))×100%的把握认为“两分类 变量有关系”；否则，就认为根据样本数据没有充分的 理由说明“两分类变量有关系”．
返回目录
2．(独立性检验)有人发现，多看电视容易使人变冷 漠，下表是一个调查机构对此现象的调查结果.
冷漠 不冷漠 总计 多看电视 68 42 110 少看电视 20 38 58
总计 88 80 168
返回目录
则大约有多大的把握认为多看电视与人变冷漠有关
系( )
A．99%
B．97.5%
C．95%
D．90%
返回目录
要点三 独立性检验
定义 利用随机变量K2来判断“两个分类变量有关系” 的方法称为独立性检验 nad－bc2
公式 K2＝_____a_＋__b__c_＋__d__a_＋__c___b_＋__d_____，其中n＝ ___a_＋_b_＋__c_＋__d___
返回目录
①认真读题，取出相关数据，作出2×2列联表； 具体 ②根据2×2列联表中的数据，计算K2的观测值k； 步骤 ③通过观测值k与临界值k0比较，得出事件有关的
返回目录
P(K2≥k0) 0.100 0.050 0.010 k0 2.706 3.841 6.635
思维导引：根据列联表直接代入K2公式可得南方学 生和北方学生的差异与是否喜欢甜品的相关程度．
第三章--统计案例-3.2-独立性检验的基本思想及其初步应用
解：由列联表中的数据，得 K2 的观测值为 1 633×30×1 355－224×242 k＝ ≈68.033>10.828. 254×1 379×54×1 579 因此，在犯错误的概率不超过 0.001 的前提下，认为每 一晚都打鼾与患心脏病有关.
为了调查某生产线上，某质量监督员甲对产
品质量好坏有无影响，现统计数据如下：质量监督员在现 场时，990件产品中合格品为 982 件，次品数为 8 件，甲不 在现场时，510件产品中合格品为493件，次品数为17件， 试分别用列联表、等高条形图、假设检验的方法对数据进
的方法来判断色盲与性别是否有关？你所得的结论在什么
范围内有效？ 解：根据题目所给的数据作出如下的列联表： 色盲 不色盲 合计
男 女 合计
38 6 44
442 514 956
480 520 1 000
根据列联表作出相应的等高条形图，如图所示：
38 从等高条形图来看在男人中患色盲的比例480比在女人
38 6 6 中患色盲的比例520要大，其差值为480－520 ≈0.068，差
位统一，图形准确，但它不能给我们两个分类变量有关或
无关的精确的判断，若要作出精确的判断，可以进行独立 性检验的有关计算．
本题应首先作出调查数据的列联表，再根据列联表画
出等高条形图，并进行分析，ห้องสมุดไป่ตู้后利用独立性检验作出判 断．
在调查 480 名男士中有 38 名患有色盲， 520名女士中有6名患有色盲，分别利用图形和独立性检验
步
骤
③如果 k≥k0 ，就推断“X与Y有关系”，这种推断
犯错误的概率不超过α；否则，就认为在犯错误的概 率不超过α的前提下不能推断“X与Y有关系”，或者 在样本数据中没有发现足够证据支持结论“X与Y有 关系”.
1.2独立性检验的基本思想及其初步应用课件人教新课标
类型二 由K2进行独立性检验 例2 对196个接受心脏搭桥手术的病人和196个接受血管清障手术的病 人进行3年的跟踪研究，调查他们是否又发作过心脏病，调查结果如下 表所示.
心脏搭桥手术 血管清障手术
总计
又发作过心脏病 39 29 68
未发作过心脏病 总计
157
196
167
196
324
392
试根据上述数据比较这两种手术对病人又发作过心脏病的影响有没有差别. 解 假设病人又发作过心脏病与做过心脏搭桥手术还是血管清障手术没 有关系，由表中数据得a＝39，b＝157，c＝29，d＝167，a＋b＝196，c ＋d＝196，a＋c＝68，b＋d＝324，n＝392， 由公式得K2的观测值
解答
达标检测
1.通过随机询问110名性别不同的大学生是否爱好某项运动，得到如下列
联表：
喜欢程度
男
女
总计
爱好
40
20
60
不爱好
20
30
50
总计
60
50
110
nad－bc2 由 K2＝a＋bc＋da＋cb＋d算得，
110×40×30－20×202 k＝ 60×50×60×50 ≈7.8，
12345
附表：
12345
解析 答案
5.“全国文明城市”称号是最有价值的城市品牌，某市为创建第五届“全 国文明城市”，开展了“创建文明城市人人有责”活动.为了了解哪些人 更关注“创城”活动，随机抽取了年龄在10～70岁之间的100人进行调 查，并按年龄绘制如下频数散布表.
年龄(岁) [10,20) [20,30) [30,40) [40,50) [50,60) [60,70]
人教A版高中数学选修1-2《一章 统计案例 1.2 独立性检验的基本思想及其初步应用》精品课件_33
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
214
ቤተ መጻሕፍቲ ባይዱ不秃顶
451
总计
665
175
389
597
1048
772
1437
根据列联表中的数据，得到
K 2 1437 (214597 175 451)2 16.373 6.635. 3891048 665 772
案 例：某医疗机构为了了解呼吸道疾病与吸 烟是否有关，进行了一次抽样调查，共调查了 515个成年人，其中吸烟者220人，不吸烟者 295人。
调查结果：吸烟的220人中有37人患呼吸道疾 病，183人未患呼吸道疾病；不吸烟的295人中 有21人患病，274人未患病。
根据这些数据，能否断定：患呼吸道疾 病与吸烟有关？
（2）求k值 （3）下结论
5
8
3
2
6
1
4
5
9
8
(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"
练习3：为了调查胃病是否与生活规律有关，在某地对540名40岁以上 的人进行了调查，结果是：患胃病者生活不规律的共60人，患胃病者 生活规律的共20人，未患胃病者生活不规律的共260人，未患胃病者生 活规律的共200人． （1）根据以上数据列出2×2列联表； （2）能够以99%的把握认为40岁以上的人患胃病与否和生活规律有关 系吗？为什么？
1.2独立性检验的基本思想及其初步应用
(2)若饮用干净水得病的有5人，不得病的有50人；饮用不干净水得病的 有9人，不得病的有22人.按此样本数据分析这种传染病是否与饮用水有 关，并比较两种样本在反映总体时的差异.
解 依题意得2×2列联表如下所示：
得病
不得病
干净水
5
50
不干净水
9
22
总计
14
72
此时，K2
的观测值
86×5×22－50×92 k＝ 14×72×55×31 ≈5.785.
2.下面是一个2×2列联表：
y1
y2
总计
x1
a
21
73
x2
8
25
33
总计
b
46
则表中a、b处的值分别为( C )
A.94,96
B.52,50
C.52,60
D.54,52
解析 ∵a＋21＝73，∴a＝52，b＝a＋8＝52＋8＝60.
1 23
1 23
3.为了判断高中学生的文理科选修是否与性别有关系，随机调查了50名 学生，得到如下2×2列联表：
文
有兴趣
138
73
无兴趣
98
52
总计
Hale Waihona Puke 236125总计 211 150 361
代入公式得K2的观测值 k＝3612×36×13182×5×522－117×3×159082≈1.871×10－4. ∵1.871×10－4非常小，∴可以认为学生选报文、理科与对外语的兴趣无关.
达标检测
1 23
1.在研究吸烟与患肺癌的关系中，通过收集数据、整理分析数据得“吸 烟与患肺癌有关”的结论，并且在犯错误的概率不超过0.01的前提下认 为这个结论是成立的，下列说法中正确的D是( ) A.100个吸烟者中至少有99人患有肺癌 B.1个人吸烟，那么这个人有99%的概率患有肺癌 C.在100个吸烟者中一定有患肺癌的人 D.在100个吸烟者中可能一个患肺癌的人也没有 解析 独立性检验的结果与实际问题有差异，即独立性检验的结论是一 个数学统计量，它与实际问题中的确定性存在差异.
独立性检验的基本思想及其初步应用参考模板范本
反证法原理与独立性检验原理
反证法原理：
在一个已知假设 下，如果推出一 个矛盾，就证明 了这个假设不成 立。
独立性检验原理：
在一个已知假设下， 如果一个与该假设 矛盾的小概率事件 发生，就推断这个 假设不成立。
患肺癌 42 0.54% 49 2.28% 91
总计 7817 2148 9965
100%
90%
等
80%
高
70%
条
60%
形
50%
图
40%
30%
20%10%0%源自不吸烟吸烟患肺癌 不患肺癌
不吸烟
吸烟 总计
不患肺癌 a
c a+c
患肺癌 b
d b+d
总计 a+b
c+d a+b+c+d
问3：a、b、c、d应该满足怎样的关系？
高二数学 选修 2-3
第三章 统计案例
3.2
独立性检验的
基本思想及其初步应用
视频
问题1 心脏病、肺癌、脑血管病等都与吸烟有关， 吸烟已成为继高血压之后的第二号全球杀手。 这些疾病与吸烟有关的结论是怎样得出的呢？
案 例：某肿瘤研究所为了研究吸烟是否对患肺癌 有影响，进行了一次随机抽样调查，共调查了9965 个成年人，其中吸烟者2148人，不吸烟者7817人。 调查结果如下表所示：
解：列出吸烟与是否患肺癌的2x2列联表如下
不吸烟 吸烟 总计
不患病 7775 2099 9874
患病 42 49 91
总计 7817 2148 9965
统计案例之独立性检验
统计案例之独立性检验班级姓名学号参考公式：，其中.1．在中学生综合素质评价某个维度的测评中，分优秀、合格、尚待改进三个等级进行学生互评.某校高一年级有男生500人，女生400人，为了了解性别对该维度测评结果的影响，采用分层抽样方法从高一年级抽取了45名学生的测评结果，并作出频数统计表如下：表一：男生表二：女生（1）从表二的非优秀学生中随机抽取2人交谈，求所选2人中恰有1人测评等级为合格的概率；（2）由表中统计数据填写下面的列联表，并判断是否有90%的把握认为“测评结果优秀与性别有关”.2．东亚运动会将于2013年10月6日在天津举行．为了搞好接待工作，组委会打算学习北京奥运会招募大量志愿者的经验，在某学院招募了16名男志愿者和14名女志愿者，调查发现，男女志愿者中分别有10人和6人喜爱运动，其余人不喜欢运动．(2)根据列联表的独立性检验，能否在犯错误的概率不超过0.10的前提下认为性别与喜爱运动有关？(3)如果从喜欢运动的女志愿者中(其中恰有4人会外语)，抽取2名负责翻译工作，那么抽出的志愿者中至少有1人能胜任翻译工作的概率是多少？3．某中学拟在高一下学期开设游泳选修课，为了了解高一学生喜欢游泳是否与性别有关，现从高一学生中抽取人做调查，得到如下列联表：已知在这人中随机抽取一人抽到喜欢游泳的学生的概率为，（Ⅰ）请将上述列联表补充完整，并判断是否有％的把握认为喜欢游泳与性别有关？并说明你的理由；（Ⅱ）针对问卷调查的名学生，学校决定从喜欢游泳的人中按分层抽样的方法随机抽取人成立游泳科普知识宣传组，并在这人中任选两人作为宣传组的组长，求这两人中至少有一名女生的概率，4．某学校高三年级有学生1 000名，经调查，其中750名同学经常参加体育锻炼(称为A 类同学)，另外250名同学不经常参加体育锻炼(称为B类同学)，现用分层抽样方法(按A 类、B类分两层)从该年级的学生中共抽查100名同学，如果以身高达165 cm作为达标的标(1)完成上表；5．某校进行文科、理科数学成绩对比，某次考试后，各随机抽取100名同学的数学考试成绩进行统计，其频率分布表如下.（Ⅰ）根据数学成绩的频率分布表，求理科数学成绩的中位数的估计值；（Ⅱ）请填写下面的列联表，并根据列联表判断是否有90%的把握认为数学成绩与文理科有关：（Ⅲ）设文理科数学成绩相互独立，记表示事件“文科、理科数学成绩都大于等于120分”，估计的概率.答案：1．（1）设从高一年级男生中抽出人，则，，则从女生中抽取20人，所以，.表二中非优秀学生共5人，记测评等级为合格的3人为，，，尚待改进的2人为，，则从这5人中任选2人的所有可能结果为，，，，，，，，，，共10种，设事件表示“从表二的非优秀学生中随机选取2人，恰有1人测评等级为合格”，则的结果为，，，，，，共6种，所以，即所求概率为.（2）列联表如下：因为，，而，所以没有90%的把握认为“测评结果优秀与性别有关”.(2)根据已知数据可求得：K2＝≈1.157 5<2.706，因此，在犯错误的概率不超过0.10的前提下不能判断喜爱运动与性别有关．(3)喜欢运动的女志愿者有6人，设喜欢运动的女志愿者分别为A，B，C，D，E，F，其中A，B，C，D会外语，则从这6人中任取2人，共15种取法．其中两人都不会外语的只有EF一种取法．故抽出的志愿者之中至少有1人能胜任翻译工作的概率是P＝1－＝.3.5.。
独立性检验
如果 A，B 无关，那么nn11与nn1＋·nn＋1 应 该很接近，nn12与nn1＋·nn＋2应该很 接近...
从而
χ (n11 _ n1+. nn+1)2
2＝
n1+
.
n+1 n
+
(n12 _ n1+. nn+2)2
(n21 _ n2+. nn+1)2
n1+
.
n+2 n
+
n2+
.
n+1 n
+
( n22
事件A与B独立，有P(AB)=P(A)P(B) 成立。我们用H0表示上式，即H0： P(AB)=P(A) P(B)。并称之为统计假 设，当H0成立时，下面的三个式子也 成立：
P( AB)＝P( A)P(B) P(A B)＝P(A)P( B) P( A B)＝P( A)P( B)
根据概率的统计定义，上面提 到的众多事件的概率都可以用相应 的频率来估计。
解：由公式得：
χ2 =
392 (39×167-29×157)2 68×324×196×196
≈1.780
因为1.780<3.841，我们没有 理由说“心脏搭桥手术”与“又 发生过心脏病”有关。
例3．某大型企业人力资源部为了 研究企业员工工作积极性和对待 企业改革态度的关系，随机抽取 了189名员工进行调查，所得的数 据如下表所示：
独立性检验
一、问题引入
警示：你快戒烟吧，否则一定 会患慢性气管炎的。
老年人患慢性气管炎与吸烟习 惯有没有关系呢？
二、案例分析
例1．为了探究患慢性气管炎与吸烟 是否有关，调查了339名50岁以上的 人，调查结果如下表所示：
高中数学第三章统计案例1独立性检验卡方检验素材苏教版
2χ检验（一）掌握内容1. 2χ检验的用途。
2. 四格表的2χ检验.（1） 四格表2χ检验公式的应用条件； （2） 不满足应用条件时的解决办法； （3） 配对四格表的2χ检验。
3. 行⨯列表的2χ检验. （二） 熟悉内容频数分布拟合优度的2χ检验. （三） 了解内容1．2χ分布的图形。
2．四格表的确切概率法。
（一) 2χ检验的用途2χ检验(Chi —square test ）用途较广,主要用途如下：1．推断两个率及多个总体率或总体构成比之间有无差别 2．两种属性或两个变量之间有无关联性 3．频数分布的拟合优度检验 （二） 2χ检验的基本思想1．2χ检验的基本思想是以2χ值的大小来反映理论频数与实际频数的吻合程度。
在零假设0H （比如0H :21ππ=）成立的条件下,实际频数与理论频数相差不应该很大,即2χ值不应该很大，若实际计算出的2χ值较大，超过了设定的检验水准所对应的界值，则有理由怀疑0H 的真实性，从而拒绝0H ，接受H 1(比如1H ：21ππ≠）.2． 基本公式：()∑-=TT A 22χ，A 为实际频数（Actual Frequency ），T 为理论频数（Theoretical Frequency ）.四格表2χ检验的专用公式正是由此公式推导出来的，用专用公式与用基本公式计算出的2χ值是一致的。
(三)率的抽样误差与可信区间 1．率的抽样误差与标准误样本率与总体率之间存在抽样误差,其度量方法:np )1(ππσ-=，π为总体率，或 （8—1)np p S p )1(-=，p为样本率;（8—2）2．总体率的可信区间当n 足够大,且p 和1—p 均不太小,p 的抽样分布逼近正态分布.总体率的可信区间：（ppS u p S u p ⨯+⨯-2/2/,αα)。
（8—3）(四)2χ检验的基本计算见表8-1。
表8—1 2χ检验的用途、假设的设立及基本计算公式资料形式 用途 0H 、1H 的设立与计算公式 自由度 四格表 ①独立资料两 样本率的比较②配对资料两样本率的比较0H ：两总体率相等 1H ：两总体率不等①专用公式))()()(()(22d b c a d c b a n bc ad ++++-=χ②当n ≥40但1≤T 〈5时，校正公式))()()(()2/(22d b c a d c b a n n bc ad ++++--=χ③配对设计cb c b +--=22)1(χ1 R ⨯C 表 ①多个样本率、 0H ：多个总体率(构成比)相等 （R —1)构成比的比较②两个变量之间关联性分析（0H：两种属性间存在关联）1H：多个总体率(构成比）不全相等(H：两种属性间存在关联）)1(22-=∑CRnnAnχ（C—1)频数分布表频数分布的拟合优度检验H:资料服从某已知的理论分布1H：资料不服从某已知的理论分布∑-TTA2)(据频数表的组数而定(五）四格表的确切概率法当四格表有理论数小于1或n〈40时，宜用四格表的确切概率法。
高中数学 第一章 统计案例 1.2 独立性检验是如何判断
独立性检验是如何判断两个事件是否相互独立的独立性检验的基本思想类似于反证法.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,在该假设下构造的随机变量2χ应该很小.如果由观测数据计算得到的2χ的观测值很大,则在一定程度上说明假设不合理.根据随机变量2χ的含义,可以通过概率式评价该假设不合理的程度,由实际计算的2χ>6.635,说明假设不合理的程度约为99%,即“两个分类变量有关系”这一结论成立的可信程度约为99%．当2χ≤3.841时,认为两个分类变量是无关的.对于两事件而言即相互独立. 1.两个事件独立的判定例1: 为了研究不同的给药方式（口服与注射）和药的效果（有效与无效）是否有关，进根据193个病人的数据，能否作出药的效果与给药方式有关的结论？请说明理由． 解：提出假设H 0：药的效果与给药方式无关系．根据列联表中的数据，得χ2＝2193(58314064)122719895-⨯-⨯⨯⨯⨯≈1.3896＜2.072．当H 0成立时，χ2＞1.3896的概率大于15%，这个概率比较大，所以根据目前的调查数据，不能否定假设H 0，即不能作出药的效果与给药方式有关的结论．注意：这是一个由列联表来验证的独立性检验问题,其结论是没有关系的假设成立.并且应该注意上述结论是对所有口服药物与注射药物的实验人而言的,绝不要误以为对被跟踪的193个跟踪研究对象成立.例2:调查某医院某段时间内婴儿出生的时间与性别的关系,得到下面的数据表．试问能以多大把握认为婴儿的性别与出生时间有关系.分析：利用表中的数据通过公式计算出2χ统计量,可以用它的取值大小来推断独立性是否成立． 解：由公式()841.368892.35732345531826248922<≈⨯⨯⨯⨯-⨯⨯=χ 故婴儿的性别与出生时间是相互独立的(也可以说没有充分证据显示婴儿的性别与出生时间有关)．2.两个事件不独立的判定例3: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.利用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?分析:列出22⨯列联表,利用公式求出2χ与两个临界值3.841与6．635比较大小得适当范围.解：根据题目所给数据得到如下表所示： 秃顶与患心脏病列联表由公式,得:()635.6373.167726651048389451175597214143722>≈⨯⨯⨯⨯-⨯⨯=χ 所以有99％的把握认为“秃顶与患心脏病有关”.说明:因为这组数据来自住院的病人,因此所得到的结论适合住院的病人群体.例 4.某班主任对全班50名学生进行了作业量多少的调查,喜欢玩电脑游戏的同学认为作业多的有18人,认为作业不多的有9人,不喜欢玩电脑游戏的同学认为作业多的有8人,认为作业不多的有15人,则认为喜欢玩电脑游戏与认为作业量的多少有关系的把握大约是多少？2x =059.523272426)981518(502=⨯⨯⨯⨯-⨯， ()024.52>x P =0.025,有97.5%的把握认为喜欢玩电脑游戏与认为作业多有关系.。
高中数学-独立性检验的基本思想及其初步应用2
【例 1】 为考察某种药物预防疾病的效果进行动物试验，得到如下
列联表：
药物效果试验列联表
患病 未患病 总计
服用药 10 45
55
未服用药 20 30
50
总计 30 75 105
试用等高条形图分析服用药和患病之间是否有关系．
解 析 ： 根 据 列 联 表 所 给 的 数 据 可 得 出 服 用 药 患 病 的 频 率 为 1505
答案：C
3．为了研究患慢性气管炎与吸烟量的关系，调查了 228 人，其中 每天的吸烟支数在 10 支以上 20 支以下的调查者中，患者人数有 98 人，非患者人数有 89 人，每天的吸烟支数在 20 支以上的调查者中， 患者人数有 25 人，非患者人数有 16 人．
(1)根据以上数据建立一个 2×2 的列联表． (2)试问患慢性气管炎是否与吸烟量有关？
独立性检验的基本思想类似于反证法．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．根据随机变量 K2 的含义，可以通过概率 P(K2≥k)的大小来评价该假设不合理的程度有多大，从而说明这“两 个分类变量有关系”这一结论成立的可信程度有多大．
≈0.18，未服用药患病的频率为2500＝0.4，两者的差距是|0.18－0.4|＝ 0.22，两者相差很大，作出等高条形图如图所示，因此服用药与患病 之间有关系的程度很大．
典例解析
典例 2 独立性检验的步骤 独立性检验的具体做法是： (1)根据实际问题的需要确定容许推断“两个分类变量有关系” 犯错误概率的上界 α，然后查下表确定临界值 k0.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
独立性检验的基本思想及其初步应用知识点1．与列联表相关的概念(1)分类变量：变量的不同“值”表示个体所属的不同类型，像这样的变量称为分类变量． (2)列联表：①列出的两个分类变量的频数表， 称为列联表．①一般地，假设有两个分类变量X 和Y ，它们的取值分别为{x 1，x 2}和{y 1，y 2}，其样本频数列联表(称为2×2列联表)为：y 1 y 2 总计 x 1 a b a ＋b x 2 c d c ＋d 总计a ＋cb ＋da ＋b ＋c ＋d在2×2列联表中，如果两个分类变量没有关系，则应满足ad －bc ≈0, 因此|ad －bc |越小， 关系越弱； |ad －bc |越大， 关系越强． 2．等高条形图将列联表中的数据用高度相同的两个条形图表示出来，其中两列的数据分别对应不同的颜色，这就是等高条形图。
等高条形图与表格相比，图形更能直观地反映出两个分类变量间是否相互影响， 常用等高条形图展示列表数据的频率特征． 列联表和等高条形图的优劣：列联表可以准确掌握总体中各部分的频率，但是需要计算；等高条形图可以比较各个部分之间的差异，明确展现两个分类变量的关系。
3．独立性检验的基本思想(1)定义：利用随机变量K 2来判断“两个分类变量有关系”的方法称为独立性检验． (2)公式：K 2＝n ad －bc 2a ＋bc ＋d a ＋cb ＋d，其中n ＝a ＋b ＋c ＋d 为样本容量．用它的大小可以用来决定是否拒绝原来的统计假设0H ．如果K 2的值较大，就拒绝0H ，即认为A 与B 是有关的．注：独立性检验的基本思想与反证法类似，由结论不成立时推出有利于结论成立的小概率事件发生，而小概率事件在一次试验中通常是不会发生的，所以认为结论在很大程度上是成立的．4.独立性检验的步骤：(1)确定分类变量，获取样本频数，得到列联表．(2) 利用公式K2＝n ad－bc2a＋b c＋d a＋c b＋d计算随机变量K2的观测值k0．(3) 根据实际问题的需要推断“两个分类变量有关系”犯错误概率的上界α，然后查表确定临界值k0．(4)作出判断．如果k≥k0，就推断“X与Y有关系”，这种推断犯错误的概率不超过α，否则就认为在犯错误的概率不超过α的前提下不能推断“X与Y的关系”。
常见的临界值表为：P（K2≥k0）0.500.400.250.150.100.050.0250.0100.0050.001 k00.4550.708 1.323 2.072 2.706 3.841 5.024 6.6357.87910.828题型一等高条形图的应用【例1】为了解铅中毒病人与尿棕色素为阳性是否有关系，分别对病人组和对照组的尿液作尿棕色素定性检查，结果如下：组别阳性数阴性数总计铅中毒病人29736对照组92837总计383573试画出列联表的等高条形图，分析铅中毒病人和对照组的尿棕色素阳性数有无差别，铅中毒病人与尿棕色素为阳性是否有关系？【过关练习】1.1网络对现代人的生活影响较大，尤其是对青少年，为了解网络对中学生学习成绩的影响，某地区教育主管部门从辖区初中生中随机抽取了1 000人调查，发现其中经常上网的有200人，这200人中有80人期末考试不及格，而另外800人中有120人不及格．利用图形判断学生经常上网与学习成绩有关吗？题型二独立性检验【例1】某大学餐饮中心为了解新生的饮食习惯，在全校一年级学生中进行了抽样调查，调查结果如下表所示：喜欢甜品不喜欢甜品合计南方学生602080北方学生101020合计7030100根据表中数据，问是否在犯错误的概率不超过0.05的前提下认为“南方学生和北方学生在选用甜品的饮食习惯方面有差异”．【过关练习】1.某省进行高中新课程改革已经四年了，为了解教师对新课程教学模式的使用情况，某一教育机构对某学校的教师关于新课程教学模式的使用情况进行了问卷调查，共调查了50人，其中有老教师20人，青年教师30人．老教师对新课程教学模式赞同的有10人，不赞同的有10人；青年教师对新课程教学模式赞同的有24人，不赞同的有6人．(1)根据以上数据建立一个2×2列联表；(2)判断是否有99%的把握说明对新课程教学模式的赞同情况与教师年龄有关系．【例2】(2017·全国Ⅱ改编)海水养殖场进行某水产品的新、旧网箱养殖方法的产量对比，收获时各随机抽取了100个网箱，测量各箱水产品的产量(单位：kg)，其频率分布直方图如图：(1)设两种养殖方法的箱产量相互独立，记A表示事件“旧养殖法的箱产量低于50 kg，新养殖法的箱产量不低于50 kg”，估计A的概率；(2)填写下面列联表，并根据列联表判断是否有99%的把握认为箱产量与养殖方法有关.箱产量<50 kg箱产量≥50 kg旧养殖法新养殖法附：P(K2≥k0)0.0500.0100.001k0 3.841 6.63510.828K2＝n(ad－bc)2(a＋b)(c＋d)(a＋c)(b＋d).【过关练习】为了解某班学生喜爱打篮球是否与性别有关，对本班48人进行了问卷调查得到了如下的2×2列联表：已知在全班48人中随机抽取1人，抽到喜爱打篮球的学生的概率为23.(1)请将上面的2×2列联表补充完整(不用写计算过程)；(2)能否在犯错误的概率不超过0.05的前提下认为喜爱打篮球与性别有关？说明你的理由； (3)现从女生中抽取2人进一步调查，设其中喜爱打篮球的女生人数为X ，求X 的分布列与均值．课后练习【补救练习】1．分类变量X 和Y 的列联表如下：A ．ab －bc 越小，说明X 与Y 关系越弱B ．ad －bc 越大，说明X 与Y 关系越强C ．(ad －bc )2越大，说明X 与Y 关系越强D ．(ad －bc )2越接近于0，说明X 与Y 关系越强2．下列关于等高条形图的叙述正确的是()A．从等高条形图中可以精确地判断两个分类变量是否有关系B．从等高条形图中可以看出两个变量频数的相对大小C．从等高条形图中可以粗略地看出两个分类变量是否有关系D．以上说法都不对3．通过对K2的统计量的研究得到了若干个临界值，当K2≤2.706时，我们认为() A．在犯错误的概率不超过0.05的前提下认为X与Y有关系B．在犯错误的概率不超过0.01的前提下认为X与Y有关系C．没有充分理由认为X与Y有关系D．不能确定4．下面是调查某地区男女学生喜欢理科的等高条形图，阴影部分表示喜欢理科的百分比，从图324中可以看出()图324A．性别与喜欢理科无关B．女生中喜欢理科的比为80%C．男生比女生喜欢理科的可能性大些D．男生不喜欢理科的比为60%【巩固练习】1．假设有两个变量X与Y，它们的取值分别为x1，x2和y1，y2，其列联表为：y1y2总计x1a b a＋bx2c d c＋d总计a＋c b＋d a＋b＋c＋d()A．a＝50，b＝40，c＝30，d＝20B．a＝50，b＝30，c＝40，d＝20C．a＝20，b＝30，c＝40，d＝50D．a＝20，b＝30，c＝50，d＝402．在对某小学的学生进行吃零食的调查中，得到如下表数据：3．在独立性检验中，统计量K2有两个临界值：3.841和6.635.当K2＞3.841时，有95%的把握说明两个事件有关，当K2＞6.635时，有99%的把握说明两个事件有关，当K2≤3.841时，认为两个事件无关．在一项打鼾与患心脏病的调查中，共调查了2 000人，经计算K2＝20.87.根据这一数据分析，我们有理由认为打鼾与患心脏病之间是________的(有关、无关)．4．下列关于K2的说法中，正确的有________．①K2的值越大，两个分类变量的相关性越大；②K2的计算公式是K2＝n(ad－bc)(a＋b)(c＋d)(a＋c)(b＋d)；③若求出K2＝4>3.841，则有95%的把握认为两个分类变量有关系，即有5%的可能性使得“两个分类变量有关系”的推断出现错误；④独立性检验就是选取一个假设H0条件下的小概率事件，若在一次试验中该事件发生了，这是与实际推断相抵触的“不合理”现象，则作出拒绝H0的推断．5．为了研究子女吸烟与父母吸烟的关系，调查了一千多名青少年及其家长，数据如下：6．有人发现一个有趣的现象，中国人的邮箱里含有数字比较多，而外国人邮箱名称里含有数字比较少，为了研究国籍和邮箱名称里含有数字的关系，他收集了124个邮箱名称，其中中国人的64个，外国人的60个，中国人的邮箱中有43个含数字，外国人的邮箱中有27个含数字．(1)根据以上数据建立2×2列联表；(2)他发现在这组数据中，外国人邮箱里含数字的也不少，他不能断定国籍和邮箱名称里含有数字是否有关，你能帮他判断一下吗？【拔高练习】1．观察下列各图，其中两个分类变量x，y之间关系最强的是()A BC D2．某研究所为了检验某血清预防感冒的作用，把500名使用了该血清的志愿者与另外500名未使用该血清的志愿者一年中的感冒记录作比较，提出假设H：“这种血清不能起到预防感冒的作用”，利用2×2列联表计算得K2≈3.918，经查临界值表知P(K2≥3.841)≈0.05.则下列叙述中正确的是()A．有95%的把握认为“这种血清能起到预防感冒的作用”B．若有人未使用该血清，那么他一年中有95%的可能性得感冒C．这种血清预防感冒的有效率为95%D．这种血清预防感冒的有效率为5%3．某班主任对全班50名学生作了一次调查，所得数据如表：的概率不超过0.01的前提下认为喜欢玩电脑游戏与认为作业多有关．4．为研究某新药的疗效，给100名患者服用此药，跟踪调查后得下表中的数据：设H小数点后保留一位有效数字)，从而得出结论：服用此药的效果与患者的性别有关，这种判断出错的可能性为________．5．随着生活水平的提高，人们患肝病的越来越多，为了解中年人患肝病与经常饮酒是否有关，现对30名中年人进行了问卷调查得到如下列联表：已知在全部30人中随机抽取1人，抽到肝病患者的概率为4 15.(1)请将上面的列联表补充完整，并判断是否有99.5%的把握认为患肝病与常饮酒有关？说明你的理由；(2)现从常饮酒且患肝病的中年人(恰有2名女性)中，抽取2人参加电视节目，则正好抽到一男一女的概率是多少？参考数据：。