总体独立、零假设与关联边界

约 2815 字大约 9 分钟

零假设描述同一对象上两个分类变量的总体关系，不是样本表的同义词，也不是抽取试次的关系。

知识点

独立是概率关系

同一研究总体中，两个二分类变量 $X,Y$ 独立，指所有组合满足

P(X=x_i,Y=y_j)=P(X=x_i)P(Y=y_j),\qquad i,j\in\{1,2\}.

记 $P(X=x_1)=p,P(Y=y_1)=q$ ，独立时四个联合概率为：

	$Y=y_1$	$Y=y_2$
$X=x_1$	$pq$	$p(1-q)$
$X=x_2$	$(1-p)q$	$(1-p)(1-q)$

当 $0<p<1$ ，按两行分别除以 $p,1-p$ ，得到 $P(Y=y_1\mid X=x_1)=P(Y=y_1\mid X=x_2)=q$ 。反过来，两组条件概率相同且边际正，乘回组概率并用补事件，即得四格乘积关系。这解释了条件发生概率不随组别变化与独立的等价性。条件组概率为0时不去除以0，应直接用联合概率定义。

零假设不是事先认定的事实

$H_0$ ：在所研究总体中， $X$ 与 $Y$ 独立；备择 $H_1$ ：不独立。未知边际概率由样本估计，以 $H_0$ 建立“如果独立，抽样偏差会如何”的基准，再比较统计量，不是先认定 $H_0$ 为真。

变量名称、观察单位、研究总体都要明确。0、1互换只是标签改变，不改变独立命题。单句“男性喜欢活动”不涵盖两个变量的概率关系；直接把“有关”写成 $H_0$ 则把备择反置。

统计检验的反证类比不是逻辑必然反证：即使 $H_0$ 真，也可能出现少见样本而被拒绝；未拒绝时 $H_0$ 仍可能为假。统计量小不能确证总体独立，拒绝也不等于无错误的证明。

样本相同比例与有限模型

四格 $a,b,c,d$ 的边际正时，两行频率相同等价于 $ad=bc$ ，按常用四格统计量也有 $\chi^2=0$ ，正临界值下不拒绝 $H_0$ 。这只表示样本没有显示比例差异，不证明其来源总体必然独立。

但若研究对象就是该表列出的全部固定名单，并定义从中均匀抽1人，则 $ad=bc$ 可以证明这个特定有限模型里 $X,Y$ 独立。例如

\frac an=\frac{a+b}{n}\frac{a+c}{n}\ \Longleftrightarrow\ an=(a+b)(a+c)\ \Longleftrightarrow\ ad=bc.

其他交叉格由边际与补事件同样得到乘积。这个证明不自动外推更大总体或未来对象，必须先说清随机试验及研究范围。

关联、因果与两种独立

同一对象上的 $X,Y$ 是否独立，与不同对象/试次是否独立抽取，是不同问题。分类变量独立不表示每次调查结果相同，也不保证任意两次抽取独立。

样本比例差和总体显著关联都属于关联分析，不单独说明一个因素导致另一个。随机抽样有助于代表性，随机分配处理并控制其他条件有助于因果判断，这两种“随机”不同。处理组仍会有得病者、未处理组仍有健康者，直接否定处理“决定”每个个体结果的说法；比赛的对手、赛程、队员安排也可能共同变化。后续题给的条件概率是另一个预测模型，不由前半检验自动验证未来机制或干预效果。

考点

建立假设的四步

确认同一观察单位上的两列记录，不拼接不同单位数据。
明确两个变量的互斥类别、来源总体与纳入范围，编码仅作标签。
写总体独立为 $H_0$ 、不独立为备择，必要时写联合概率乘积或正边际条件概率形式。
用 $H_0$ 构造期望格、计算偏离并按给定水平作决定；历史表未说明随机抽样时，题内计算与真实总体外推分开。

例题 01 体育活动偏好的零假设

题目

想要检验是否喜欢参加体育活动是不是与性别有关，应该检验（）

A．提出统计假设 ${H}_{0}$ ：男性喜欢参加体育活动

B．提出统计假设 ${H}_{0}$ ：女性不喜欢参加体育活动

C．提出统计假设 ${H}_{0}$ ：喜欢参加体育活动与性别有关

D．提出统计假设 ${H}_{0}$ ：喜欢参加体育活动与性别无关

答案与解析

解析

同一人的两个分类变量为“是否喜欢体育活动”和“性别”。应将它们在研究总体中的独立性作为 $H_0$ ，故D正确。

A、B只是某一类人的单个特征陈述，不覆盖两个变量的概率关系。C的“有关”是备择，不是本题独立性检验的零假设。

两性别类别概率都正时，独立也等价于喜欢活动的条件概率不随性别改变。检验的反证类比只是在假定独立时观察到罕见数据便作决策；小概率不是不可能，拒绝允许规则风险，统计量小也不证明 $H_0$ 真。

本题结论

（2025·黑龙江·一模）第九届亚洲冬季运动会在哈尔滨圆满落下帷幕．在这场盛大的亚洲冰雪盛会中，奖牌榜见证了各国运动员的荣耀与拼搏．中国队以32金27银26铜，总计85枚奖牌的傲人成绩，强势登顶奖牌榜，成为最大赢家．这一成绩不仅创造了中国队亚冬会历史最佳，更是追平了单届金牌数纪录，书写了中国冰雪运动的崭新篇章．冰球深受广大球迷的喜爱，每支球队都有一个或几个主力队员，现有一支冰球队，其中甲球员是其主力队员，经统计该球队在某阶段所有比赛中，甲球员是否上场时该球队的胜负情况如表：

甲球员是否上场	球队的胜负情况		合计
	胜	负
上场	38		45
未上场		3
合计	40

(1)完成 $2\times 2$ 列联表，并判断根据小概率值 $\alpha =0.025$ 的独立性检验，能否认为球队的胜负与甲球员是否上场有关联？

(2)由于队员的不同，甲球员主打的位置会进行调整，根据以往的数据统计，甲球员上场时，打边锋，中锋，后卫的概率分别为0.4，0.5，0.1，相应球队赢球的概率分别为0.7，0.9，0.5．

（ⅰ）当甲球员上场参加比赛时，求球队赢球的概率；

（ⅱ）当甲球员上场参加比赛时，在球队赢了某场比赛的条件下，求甲球员打中锋的概率．

附： ${χ}^{2}=\frac{n{(ad-bc)}^{2}}{\left( a+b\right)\left( c+d\right)\left( a+c\right)\left( b+d\right)},n=a+b+c+d$ ．

$\alpha$	0.15	0.10	0.05	0.025	0.010	0.001
${x}_{\alpha }$	2.072	2.706	3.741	5.024	6.635	10.728

答案与解析

解析

（1）上场负场数 $45-38=7$ ，未上场胜场数 $40-38=2$ ，未上场合计5，总场次50、负场次10。完整表为：

甲球员	胜	负	合计
上场	38	7	45
未上场	2	3	5
合计	40	10	50

令 $H_0$ 为球队胜负与甲是否上场在研究总体中独立。按题给公式，

\chi^2=\frac{50(38\times3-7\times2)^2}{45\times5\times40\times10}=\frac{50}{9}\approx5.556>5.024.

所以按题给 $\alpha=0.025$ 的近似检验规则拒绝独立，得到关联证据。原临界表0.05处3.741与0.001处10.728分别应为常用表的3.841、10.828；本问使用0.025处5.024，不受两处误植影响。

题内决策不等于实际风险已获保证。这里是某阶段所有历史比赛，没有明示随机独立抽样，且在独立模型下期望格为

\left(\frac{45\times40}{50},\frac{45\times10}{50},\frac{5\times40}{50},\frac{5\times10}{50}\right)=(36,9,4,1).

存在很小的期望格，卡方连续近似可能不充分。不能把算出的 $50/9$ 当作已核实实际误拒率不超过0.025的严格保证；对手、赛程、上场安排等也可能影响结果，更不能断言让甲上场必然提高胜率。

（2）以下概率背景已经限定“甲上场”。设边锋、中锋、后卫为互斥穷尽的位置事件 $A,B,C$ ，球队赢球为 $W$ 。

（ⅰ）按题给条件胜率使用全概率，

P(W)=0.4\times0.7+0.5\times0.9+0.1\times0.5=0.78.

（ⅱ）中锋且赢球概率为 $P(B\cap W)=0.5\times0.9=0.45$ ，所以

P(B\mid W)=\frac{0.45}{0.78}=\frac{15}{26}.

这些概率都在“甲上场”条件内；不能再乘一个未知上场概率，也不能用38/45替换题给位置模型的0.78。不同位置条件胜率0.7、0.9、0.5不相等，恰表明这里不能假设位置与赢球独立。前半的检验也没有替后半模型证明未来条件概率保持不变。

本题结论

（1）按题给规则拒绝独立，实际近似前提另核；（2）0.78， $15/26$