8.11: 独立性测试简介

Introduction to Test of Independence
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Introduction to Test of Independence
Please note that all translations are automatically generated. Click here for the English version.

2,261 Views

01:21 min
May 22, 2025

Overview

在统计学中,独立性一词意味着可以通过乘以它们的单个概率来直接获得涉及两个变量的任何事件的概率。独立性检验是卡方检验,涉及使用观测(数据)值的列联表。

独立性检验的检验统计量类似于拟合优度检验的统计量:

Equation1

哪里:

  • O = 观测值
  • E = 预期值(至少应为 5)

独立性检验确定两个因子是否独立。由于检验统计量的计算,独立性检验始终是右尾的。如果期望值和观测值不紧密,则检验统计量非常大,并且位于卡方曲线的右尾部,因为它处于拟合优度中。

独立性检验的自由度数为:

Equation2

以下公式计算预期数字 (E):

Equation3

本文改编自 Openstax, 统计学导论, 第 11.3 节 独立性测试

Transcript

独立性检验确定列联表的两个变量是否独立。

在这种情况下,独立性意味着涉及两个变量的任何事件的概率都可以通过乘以它们各自的概率来直接获得。

例如,要了解饮酒量与道路事故死亡人数之间的关系,请将数据排列在 2×2 列联表中。行代表受试者的清醒或醉酒,而列代表道路事故的死亡或非死亡。

来自随机选择样本的数据表示在双因子表中排列的观测频率。

其中,E 表示预期频率,r 表示行数,c 表示列数。每个单元格的预期频率必须至少为 5。

卡方检验统计量是使用这些预期频率和观测频率计算的。临界值和 P 值是使用卡方表或软件中的适当自由度计算的。

最后,进行假设检验以确定饮酒和道路事故死亡是否是独立事件。

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for