第八章多元统计分析简介.pptVIP

* 首先，假设有一个二维数据表，表中数据点的分布如图8－1（a）所示，呈圆棍形，重心是g。很显然，在沿棍子轴的方向u1上，数据的差别最大，因此，所反映的数据信息也最多，这个方向被称为数据变异的最大方向。 * 如果将原点平移到g，并且做旋转变换，变得到一个正交坐标系u1gu2。可以看出，若省略u2轴，将数据点在u1轴上投影，就会得到一个简化的一维数据系统。因此，降维处理的核心思想，就是省却变异不大的变量方向。 * * 第八章 多元统计分析简介 * 一 、 判别分析 判别分析是用于判别个体所属群体的一种统计方法，它产生于上世纪30年代。近年来，在自然科学、社会学及经济管理学科中都有广泛的应用。 * 判别分析的特点是根据已掌握的、历史上每个类别的若干样本的数据信息，总结出客观事物的分类的规律性，建立判别公式和判别准则。然后，当遇到新的样本点时，只要根据总结出来的判别公式和判别准则，就能判别该样本点所属的类别。 * 例如，在评价产品的市场竞争力时，可根据商品的多项指标（诸如其内在质量、外型美观以及包装、价格等）判别消费者对商品喜欢或不喜欢；根据电子元器件不同寿命类别的样本特性检验，可总结出分类规律，对其他同批产品进行寿命预测分类和筛选； * 根据青少年成长的主要环境和心理因素，对其道德行为做出判别和预测；根据病人的诸项检验指标判断他应属于什么病种及采取的医疗措施； * 根据人的形态特征，对远古人类遗骸的性别、年龄、人种、族属等进行判断；以及根据已有的气象资料来判断明日是晴天还是阴天，是有雨还是无雨。可见判别分析是一种应用性很强的统计数据分析方法。 * 判别分析法有两总体判别与多总体判别之分。两总体判别是判别一个样本究竟属于已知的 两个总体G1与G2中的哪一个，如消费者对商品是喜欢还是不喜欢。 * 而多总体判别问题是指事物本来的分类大于两类，例如，当病人肺部有阴影时，需要判断他是肺结核、肺部良性肿瘤还是肺癌（这时为三个总体的判别问题）。 * 如果已知某事物可分为K个总体：G1，G2，…，Gk，该事物的特性可由p个变量指标描述，并在进行分析之前，已观察到在G1中的n1个样本，在G2中的n2个样本……这些数据信息。 * 判别分析将根据这些已知的信息，建立事物分类的判别规则，以便今后用于判别一些新的样本点的总体归属 * 距离判别法的思想方法十分简单、直观。假设有两个总体G1 和G2，x Rp ，是一个新样本点，如果能够定义x到 G1 和G2的距离d(x，G1)和d(x，G2)，则可用如下规则进行判别 若d(x，G2) d(x，G1) 若d(x，G1)=d(x，G2) 若d(x，G1) d(x，G2) * 人类认识世界的一种重要方法是将认识对象进行分类，比如有关世界的时间进程的研究，就形成了历史学，而有关世界空间地域的研究，则形成了地理学。 二 聚类分析 * 又比如在生物学中，为了研究生物的演变，需要对生物进行分类，生物学家根据各种生物的特征，将它们归属于不同的界、门、纲、目、科、属、种之中。 * 事实上，分门别类地对事物进行研究，要远比在一个混杂多变的集合中更清晰、明了和细致，这是因为同一类事物会具有更多的近似特性。在企业的经营管理中，为了确定其目标市场，首先要进行市场细分。 * 因为无论一个企业多么庞大和成功，它也无法满足整个市场的各种需求。而市场细分，可以帮助企业找到适合自己特色，并使企业具有竞争力的分市场，将其作为自己的重点开发目标。 * 通常，人们可以凭经验和专业知识来实现分类。而聚类分析作为一种定量方法，将从数据分析的角度，给出一个更准确、细致的分类工具。 * 要用数量化的方法对事物进行分类，就必须用数量化的方法描述事物之间的相似程度。一个事物常常需要用多个变量来刻画。 * 如果对于一群有待分类的样本点需要p个变量描述，则每个样本点可以看成是Rp空间中的一个点。因此，很自然地想到可以用距离来测度样本点间的相似程度。 * 主成分分析的工作目标就是要对这种多变量的平面数据表进行最佳综合简化。也就是说，要在力保数据信息丢失最少的原则下，对高维变量空间进行降维处理。 三 主成分分析 * 很显然，识辩系统在一个低维空间要比在一个高维空间容易很多。英国统计学家斯特格（M.Scott）在1961年对157个英国城镇发展水平进行调查时，原始测量的变量有57个。 * 而通过主成分分析发现，只需5个新的综合变量（它们是原变量的线性组合），就可以从95％的精度表示原数据的变异情况，这