人教A版 (2019)选择性必修 第三册分类变量与列联表备课课件ppt

这是一份人教A版 (2019)选择性必修 第三册分类变量与列联表备课课件ppt，文件包含课件831分类变量与列联表pptx、教案831分类变量与列联表docx等2份课件配套教学资源，其中PPT共19页， 欢迎下载使用。
目录 | CONTENTS
情境引入：生活中的关联问题
概念解析：分类变量与列联表
案例探究：分析方法与应用
方法总结：核心知识点回顾
巩固练习：检验学习效果
在现实生活中，我们经常需要探究两种现象或性质之间是否存在关联性或互相影响。
问题一：吸烟与患肺癌有关吗？
问题二：性别与运动偏好有关吗？
课堂调查：性别与数学喜好
调查主题：为了了解性别因素是否对喜欢数学有影响，对我们班全体学生进行普查。
请同学们根据自己的实际情况进行选择。
概念解析：什么是分类变量？
定义分类变量是区别不同现象和性质的随机变量，其取值仅用于区分类别，如性别（男/女）、是否喜欢数学（是/否）。
关键特点取值仅作编号：虽可用实数表示（如1代表男），但无大小和运算意义。相对性：是相对于数值变量而言的概念。
分类变量 vs 数值变量
为了方便分析，我们通常用 0 和 1 来表示分类变量的不同取值，将定性描述转化为定量数值。
X = 1 ：表示该学生为男生
X = 0 ：表示该学生为女生
定义变量 Y（是否喜欢数学）
Y = 1 ：表示该学生喜欢数学
Y = 0 ：表示该学生不喜欢数学
请将我们刚才收集到的男女生喜欢/不喜欢数学的人数填入相应的单元格中。
分析方法一：频率分析法
通过比较不同性别群体中喜欢数学的学生所占频率，来判断性别与数学喜好之间是否存在关联。
f1 ≈ f0：无显著关联性别对数学喜好的影响不大
f1 与 f0 相差较大：存在关联性别可能影响数学喜好
男生频率 (f1)f1 = 喜欢数学的男生数 / 男生总数
女生频率 (f0)f0 = 喜欢数学的女生数 / 女生总数
分析方法二：条件概率分析法
男生条件概率 P(Y=1|X=1)表示在“是男生”的条件下，“喜欢数学”的概率。
女生条件概率 P(Y=1|X=0)表示在“是女生”的条件下，“喜欢数学”的概率。
相关性判断结论若两者概率近似相等，则无关；否则，说明性别与数学喜好存在关联。
条件概率公式：P(A|B) = P(AB) / P(B)
独立性检验逻辑：若 P(Y|X=1) ≈ P(Y|X=0)，则独立
实际应用意义：量化性别对数学喜好的影响程度
核心概念：2×2列联表
表格中的 a, b, c, d 分别代表四个单元格的频数，是后续关联性分析的基础数据。
将复杂的分类数据结构化，便于直观观察分布特征，并为后续的概率计算和卡方检验提供清晰的数据支持。
这就是我们班级数据的列联表形式，接下来我们可以基于此表进行更深入的分析。
数据可视化：等高堆积条形图
等高堆积条形图是一种直观展示列联表数据的图表，通过将每个类别标准化为100%，清晰展示内部构成比例。
以分类变量（如性别）为横轴，每个条形高度统一为1（代表100%）。按子类别（如喜好程度）的频率进行分割填充。
对比不同条形中各部分的比例差异。若比例差异明显，则说明变量间存在较强关联性。
图示：性别与数学喜好的等高堆积条形图示例
典例分析：甲、乙两校数学成绩对比
本案例中的分类变量是什么？（提示：学校、成绩）
如何将原始数据整理成清晰的结构？（构建列联表）
如何进一步分析两所学校的成绩差异？（计算频率、绘制图表）
图表解读：两校成绩差异分析
甲校优秀率10/43 ≈23.26%
乙校优秀率7/45 ≈15.56%
分析结论甲校优秀率显著高于乙校，数据表明学校与学生数学成绩之间存在明显的关联性。
图：甲、乙两校数学成绩等高堆积条形图对比
巩固练习：性别与身高关联性分析
根据左侧数据，绘制等高堆积条形图。对比不同性别中身高分布的比例差异。判断该中学高三年级学生的性别和身高是否存在关联性。
01. 明确变量确定分类变量X（性别：男/女）与分类变量Y（身高：≥170cm /