数据侦探事务所 — 和狐狸探长一起破解数据之谜
欢迎来到数据侦探事务所！我是兔子局长。最近我们接到一系列棘手的案件——它们都和"成对数据"有关。
所谓成对数据，就是同时观测两个变量得到的数据对 (x₁, y₁), (x₂, y₂), ... , (xₙ, yₙ)。分析这些数据之间的关系，是现代统计学的核心技能！
小侦探，我需要你跟随狐狸探长和猫咪技术员，完成三个案件的侦破。每完成一个案件，你将获得侦探勋章碎片。准备好了吗？
收到！我马上开始调查！
在正式开始之前，先了解一下这项技能在真实世界中的威力吧！
吸烟与肺癌的卡方独立性检验 — 调查9965人，吸烟者2148人中49人患肺癌，不吸烟者7817人中42人患肺癌，χ²检验证明吸烟与肺癌显著相关。
广告投入与销售增长的回归分析 — 某快消品公司发现每增加1万元广告预算，销售额平均增长3万元，线性回归量化广告ROI。
房屋面积与房价的线性回归预测 — 综合面积、房间数、位置等特征预测房价，是房地产估价的核心方法。
用户性别与支付方式的列联表分析 — 验证"性别是否影响支付方式选择"，华东用户偏好支付宝，华北用户偏好微信支付。
网站加载时间与跳出率的相关分析 — r=0.78强正相关，页面加载1-3秒区间影响最大。
设备安装位置与零件故障率的独立性检验 — 300台机器3个位置测试，卡方检验判断位置是否影响故障率。
— 变量的相关关系
小侦探，第一桩案件来了！有人说两个变量之间"有关系"，但关系到底是什么样的？我们来一步步揭开。
📌 变量的相关关系：当两个变量之间存在不确定性的关联时，称为相关关系。它不同于函数关系——函数关系是确定性的（如 y=2x），而相关关系存在随机波动。
📌 散点图：将每一对数据 (xᵢ, yᵢ) 画为坐标系中的一个点，直观展示两个变量的关系走向。
📌 相关系数 r：量化相关程度的指标，r ∈ [-1, 1]。|r| 越接近1，相关性越强。
📌 三种相关：正相关（r>0，同增同减）、负相关（r<0，一增一减）、无相关（r≈0，杂乱无章）。
📊 相关强度判断标准：
• |r| < 0.3 → 弱相关
• 0.3 ≤ |r| < 0.5 → 中等相关
• |r| ≥ 0.5 → 强相关
选择不同的数据集，观察散点分布和相关系数 r 的变化。点击"显示回归线"查看趋势方向。
— 一元线性回归模型
嗨！我是猫咪技术员。这次由我来给你讲解回归分析——也就是那根能"预言"的直线！
📌 回归分析：对具有相关关系的两个变量进行统计分析，找出一条最能代表它们关系的直线。
📌 最小二乘法：让所有数据点到回归直线的残差平方和最小，从而确定最优直线的方法。
📌 经验回归方程：ŷ = bx + a，其中 b 是斜率，a 是截距，ŷ 是预测值。
📌 残差分析：残差 eᵢ = yᵢ - ŷᵢ，即观测值与预测值之差。残差越小，拟合越好。
选择数据集，自动计算最小二乘回归直线（红色）。灰色虚线为残差，R² 显示拟合优度。
— 列联表与独立性检验
最后一个案件也是最经典的——我们要用卡方检验来判断两个分类变量是否独立。这在医学、社会科学中极为常用！
📌 分类变量：取值为类别的变量（如性别、是否患病、支付方式），而非具体的数值。
📌 列联表：记录两个分类变量交叉频数的表格，最常见的是 2×2 列联表。
📌 卡方检验：χ² = Σ (观测频数 - 期望频数)² / 期望频数，衡量观测值与"独立假设"下期望值的偏差。
📌 独立性判断：若 χ² > 临界值，则拒绝 H₀（原假设：两变量独立），即认为两变量不独立（有关联）。
📊 临界值表（自由度 = 1）：
• α = 0.05 时，临界值 = 3.841
• α = 0.01 时，临界值 = 6.635
选择案例，查看 2×2 列联表（彩色格子内显示观测频数和期望频数），底部显示 χ² 值和检验结论。
恭喜你完成了所有三个案件的侦破！
你已掌握了成对数据统计分析的核心技能，获得了数据侦探事务所的正式勋章！
用散点图和相关系数 r 量化两个变量之间的关联方向和强度。|r| 越接近1，相关性越强。
用最小二乘法拟合回归直线 ŷ = bx + a，通过残差分析和决定系数 R² 评估拟合质量。
用列联表记录分类变量的交叉频数，通过卡方检验 χ² 判断两个分类变量是否独立。
小侦探，你做得太棒了！记住这三个核心武器：相关分析看方向和强度、回归分析做预测、卡方检验判独立。它们将在你未来的数据分析之路上大显身手！