ARTICLE · 1342092

独立性检验,高中数学里它可是统计部分的压轴小霸王 !

发布时间：2026-11-11 05:07:03 最近访问：2026-11-11 05:07:04

你肯定遇到过这种争论：有人说“穿红色衣服的人运气更好”，有人说“纯属巧合，我穿红的也没中彩票”。谁也说服不了谁。这时候如果拉来100个人做调查，把穿红衣服和不穿红衣服的、运气好和运气不好的列个表，算一算，就能用数据说话。

这种神技就叫独立性检验，高中数学里它可是统计部分的压轴小霸王。怎么用卡方检验，像福尔摩斯一样判断两个分类变量到底有没有关系。

先说场景。独立性检验专门对付两个分类变量，比如性别（男/女）和爱好（喜欢数学/不喜欢），或者穿红衣服（是/否）和运气好（是/否）。你想知道这两件事是不是独立发生的，还是暗中勾结。注意，它只能判断“有没有关联”，不能证明“因为穿红衣服所以运气好”，因果关系它管不了。

核心工具是2×2列联表。把数据分成四格：比如调查100个学生，男生50人，女生50人，喜欢数学的男生30人，不喜欢的20人；喜欢数学的女生20人，不喜欢的30人。表就长这样：左上a=30，右上b=20，左下c=20，右下d=30。边缘合计：男生行合计50，女生行合计50，喜欢列合计50，不喜欢列合计50，总人数n=100。

然后甩出卡方公式：χ² = n(ad-bc)² / [(a+b)(c+d)(a+c)(b+d)]。这里ad-bc就是对角乘积差，分母是四个边缘和的乘积。算出来的值越大，说明两个变量越不可能独立。

具体步骤四步走：第一步，提出零假设H0：两个变量独立（也就是没关系）。第二步，根据样本数据列出2×2列联表。第三步，代入公式计算χ²值。第四步，查临界值表做决定。常用临界值：如果χ² > 2.706，就有90%的把握认为有关；如果>3.841，有95%的把握；如果>6.635，有99%的把握。如果算出来小于2.706，那就只能说没有足够证据认为有关，但不能说一定无关。

来个实战。还是刚才那个例子：a=30,b=20,c=20,d=30,n=100。ad-bc=30×30-20×20=900-400=500

分子：100×500²=100×250000=25000000。分母：(a+b)=50,(c+d)=50,(a+c)=50,(b+d)=50，乘积50×50×50×50=6250000。所以χ²=25000000/6250000=4。4大于3.841，所以有95%的把握认为性别和喜欢数学有关。

注意表述：不能说“性别导致喜欢数学”，只能说“有关联”。

再比如养宠物和喜欢旅行的关系：调查100个市民，养宠物且喜欢旅行40人，养宠物不喜欢旅行10人，不养宠物喜欢旅行20人，不养宠物不喜欢旅行30人。总100人。a=40,b=10,c=20,d=30。ad-bc=40×30-10×20=1200-200=1000

分子100×1000²=100×1000000=100000000。分母：(40+10)=50,(20+30)=50,(40+20)=60,(10+30)=40

乘积50×50×60×40=6000000。χ²=100000000/6000000≈16.67。哇，远大于6.635，所以有99%的把握认为养宠物和喜欢旅行有关。这个例子说明，养宠物的人可能更愿意出去旅行，或者反过来，喜欢旅行的人更可能养宠物，但同样不能证明因果。

卡方公式分母别记错，是四个边缘和相乘，不是别的组合。

结论表述要严谨：只能说“有xx%的把握认为两个变量有关”，不能说“有xx%的可能有关”或者“一定有关”。

样本量不能太小，一般要求每个格子的期望频数大于5，否则检验不可靠。期望频数怎么算？比如左上格子期望=(行合计×列合计)/n。

零假设是“独立”，拒绝零假设才说明有关，别搞反。

临界值表要记住三个数：2.706、3.841、6.635，对应90%、95%、99%的把握。

如果题目给的是百分比或者比例，要还原成实际人数再算，不能直接用比例代入。