🔢 高中数学选择性必修第三册第八章 成对数据的统计分析分类变量列联表独立性检验卡方统计量显著性水平

列联表与独立性检验

理解列联表与独立性检验的基本思想,会计算期望频数和卡方统计量,能依据显著性水平作出规范结论并说明适用条件与因果边界。

难度:★★★★★

💡两个分类变量真的有关吗

调查运动习惯与睡眠质量时,每个人会同时得到“经常运动或不经常运动”和“睡眠良好或不良”两个分类结果。若经常运动者中睡眠良好的比例较高,这个差异可能反映总体关联,也可能只是随机抽样造成的波动。

列联表整理联合频数,独立性检验则衡量实际频数与“两个变量相互独立”时理论频数的偏离程度。它帮助我们在控制误判风险的前提下作出统计判断,但不能把关联直接解释成因果。

🎯学习目标与考查重点
  • 会填写二维列联表,并正确计算行合计、列合计和总计。
  • 理解零假设、期望频数和卡方统计量的含义。
  • 掌握 2×22\times2 列联表中 χ2\chi^2 的两种计算方法。
  • 会根据显著性水平和临界值作出规范结论。
  • 知道近似检验对随机抽样、观测独立和期望频数的要求。

一、列联表与条件比例

设两个分类变量各有两个类别,观测频数可整理为

B1B_1B2B_2合计
A1A_1aabba+ba+b
A2A_2ccddc+dc+d
合计a+ca+cb+db+dnn

其中 n=a+b+c+dn=a+b+c+d。表内四个数是联合频数,最右列和最下行是边际频数。比较

aa+b与cc+d\frac{a}{a+b}\quad\text{与}\quad\frac{c}{c+d}

可以初步判断在 A1,A2A_1,A_2 两组中出现 B1B_1 的比例是否有差别。比例差异越明显,变量有关联的直观迹象越强,但样本比例不完全相同并不足以证明总体有关,还要衡量随机波动。

作等高堆积条形图时,各组条形高度统一为 100%100\%,便于比较条件比例。若两组样本量差异很大,只比较人数容易误导,应优先比较组内比例。

二、独立假设与期望频数

独立性检验通常提出零假设

H0:两个分类变量相互独立.H_0:\text{两个分类变量相互独立}.

若 H0H_0 成立,第 ii 行第 jj 列的理论期望频数为

Eij=第 i 行合计×第 j 列合计n.E_{ij}=\frac{\text{第 }i\text{ 行合计}\times\text{第 }j\text{ 列合计}}{n}.

这个公式来自“联合比例等于两个边际比例之积”。例如第一格在独立假设下的期望频数为

n⋅a+bn⋅a+cn=(a+b)(a+c)n.n\cdot\frac{a+b}{n}\cdot\frac{a+c}{n} =\frac{(a+b)(a+c)}{n}.

每行期望频数之和等于对应行合计,每列期望频数之和等于对应列合计,可用这些性质核验计算。期望频数可以是小数,它不是实际人数,而是零假设成立时的理论中心。

🔑

独立性检验比较的是“实际观测频数”与“独立假设下的期望频数”。先由边际合计求期望值,再把各格经过尺度调整的偏差汇总;不能只盯着人数差或百分比差。

三、卡方统计量

设各格观测频数为 OijO_{ij},卡方统计量为

χ2=∑i,j(Oij−Eij)2Eij.\chi^2=\sum_{i,j}\frac{(O_{ij}-E_{ij})^2}{E_{ij}}.

各项均非负,观测频数越接近期望频数,χ2\chi^2 越小;总体偏离越明显,χ2\chi^2 越大。除以 EijE_{ij} 是为了按各格应有规模调整偏差,因此不能只计算未标准化的平方差。

对前述 2×22\times2 表,代入并化简可得

χ2=n(ad−bc)2(a+b)(c+d)(a+c)(b+d).\chi^2= \frac{n(ad-bc)^2} {(a+b)(c+d)(a+c)(b+d)}.

该式要求分母各因子非零。一般 r×cr\times c 列联表的自由度为

(r−1)(c−1),(r-1)(c-1),

所以 2×22\times2 表的自由度为 11。简化公式只适用于二维列联表,不能不加修改地用于更多行或更多列。

四、显著性水平与决策

显著性水平 α\alpha 是在 H0H_0 实际成立时却拒绝它的容许风险上限。自由度为 11 时,常见右尾临界值为

显著性水平 α\alpha0.100.100.050.050.010.010.0010.001
临界值2.7062.7063.8413.8416.6356.63510.82810.828

若计算值大于相应临界值,就在该显著性水平下拒绝 H0H_0,认为有证据表明两个变量有关联;否则只能说“没有充分证据拒绝两个变量相互独立的假设”。后者不等于已经证明变量独立,可能是关联很弱,也可能是样本量不足。

α\alpha 越小,拒绝零假设所需的证据越强。例如 χ2=5\chi^2=5 时,在 0.050.05 水平下可拒绝 H0H_0,但在 0.010.01 水平下不能拒绝。结论必须写明所采用的显著性水平,不能只说“有关”或“无关”。

五、适用条件与解释边界

卡方近似需要数据来自合理的随机抽样或随机试验,不同观察对象应相互独立,每个对象只能进入一个单元格。若同一个人被重复计数,或样本是明显的方便样本,常规结论可能失真。

各格期望频数不能过小。高中题通常会给出可直接使用近似检验的数据;实际分析中常以各格期望频数至少约为 55 作为简明检查标准。若期望频数很小,应考虑合并有实际意义的类别、扩大样本或采用适合小样本的精确方法,不能机械套临界值表。

独立性检验发现的是统计关联,不给出关联方向和效应大小,更不能单独证明因果。还应报告各组比例,结合研究设计分析混杂变量、选择偏差和时间先后。

例 1原创基础例题:计算期望频数与卡方统计量

调查 100100 名学生,得到下表:经常运动者中睡眠良好 3030 人、不良 2020 人;不经常运动者中睡眠良好 2020 人、不良 3030 人。在 α=0.05\alpha=0.05 水平下检验运动习惯与睡眠质量是否有关。

✏️ 查看分步解析

四个行、列合计均为 5050,总数为 100100。在独立假设下,每格期望频数都是

E=50×50100=25.E=\frac{50\times50}{100}=25.

所以

χ2=4×(30−25)225=4.\chi^2=4\times\frac{(30-25)^2}{25}=4.

自由度为 11,且 4>3.8414\gt3.841,故在 0.050.05 显著性水平下拒绝独立假设,有统计证据认为运动习惯与睡眠质量有关联。四格期望频数均为 2525,近似条件满足。这个观察性调查仍不能证明经常运动必然导致睡眠改善。

例 2原创进阶例题:用简化公式并规范表述结论

某校调查课程选择与是否参加社团,列联表四格依次为 a=24,b=16,c=18,d=12a=24,b=16,c=18,d=12。在 α=0.05\alpha=0.05 水平下进行独立性检验。

✏️ 查看分步解析

总数 n=70n=70,并且

ad−bc=24×12−16×18=0.ad-bc=24\times12-16\times18=0.

因此

χ2=70×0240×30×42×28=0.\chi^2= \frac{70\times0^2}{40\times30\times42\times28}=0.

由于 0<3.8410\lt3.841,在 0.050.05 显著性水平下没有充分证据拒绝“课程选择与是否参加社团相互独立”的假设。事实上两组参加社团的样本比例均为 60%60\%。但检验结果仍不应表述为“已经证明二者绝对独立”。

⚠️易错点
  • 比较不同组时应看组内比例,不能只比较某一格人数。
  • 期望频数由行合计、列合计和总数计算,不等于四舍五入后的实际频数。
  • χ2\chi^2 较大才对拒绝独立假设有利,不能把判断方向写反。
  • “不能拒绝 H0H_0”不等于“接受并证明 H0H_0”。
  • 临界值取决于显著性水平和自由度,不能跨表随意使用。
  • 统计关联不等于因果关系,结论强度不能超过研究设计。
🌏生活应用:评价健康宣传效果

社区可把居民按“是否看过宣传”和“是否采取健康行为”分类,列成二维表并检验关联。若结果显著,还要比较两组行为比例来理解差异大小,并检查年龄、教育程度等混杂因素。主动观看宣传的人本来就可能更重视健康,因此即使检验显示关联,也不能仅凭这张表认定宣传造成了行为改变。若想加强因果解释,需要更合理的对照和随机化设计。

六、自测与解析

1. 计算期望频数

某列联表第一行合计为 4040,第一列合计为 3030,总数为 120120。在独立假设下,左上格期望频数是多少?

✏️ 查看答案
E11=40×30120=10.E_{11}=\frac{40\times30}{120}=10.

2. 临界值判断

自由度为 11,计算得 χ2=4.5\chi^2=4.5。在 α=0.05\alpha=0.05 和 α=0.01\alpha=0.01 水平下分别怎样判断?

✏️ 查看答案

因为 4.5>3.8414.5\gt3.841,所以在 0.050.05 水平下拒绝独立假设;因为 4.5<6.6354.5\lt6.635,所以在 0.010.01 水平下没有充分证据拒绝独立假设。显著性水平不同,结论强度可以不同。

3. 结论辨析

某检验在 0.050.05 水平下未拒绝独立假设,能否断言两个变量完全独立?

✏️ 查看答案

不能。结果只说明现有样本没有提供足够强的反对独立假设的证据,可能存在较弱关联或检验效能不足。

📺B 站视频讲解去 B 站观看「列联表与独立性检验视频讲解」优质讲解视频 →