谁会做这道题，数理统计中的假设检验，急用，谢谢了！

Question

希望有具体过程，不要程序~~~

Answer 1

准确的说，该类检验属于列联表数据的独立性检验，可用方法有Pearson 卡方检验、Fisher精确检验和McNemar检验，下面分别做：
x=c(7,24,89,122)
dim(x)=c(2,2)

方法一：
chisq.test(x,correct=F)

Pearson's Chi-squared test
data: x
X-squared = 4.3383, df = 1, p-value = 0.03726
结论：P值=0.03726小于0.05，拒绝原假设，认为系安全带与是否发生车祸有关。

方法二：
fisher.test(x)
Fisher's Exact Test for Count Data
data: x
p-value = 0.04838
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.1396341 1.0137455
sample estimates:
odds ratio
0.4012093
结论：P值=0.0.04838小于0.05，拒绝原假设，认为系安全带与是否发生车祸有关。

方法三：
mcnemar.test(x,correct=F)
McNemar's Chi-squared test
data: x
McNemar's chi-squared = 37.3894, df = 1, p-value = 9.675e-10
结论同上。

Answer 2

这个应该使用皮尔逊卡方检验，在SPSS中有对应的操作。具体而言就是得到实际频率分布和期望频率分布的差值的平方和，此统计量渐进服从卡方分布。