第5章判别分析.pptVIP

因此 值越小，表明相同总体间的差异越小，因此对于给定的显著水平α，应由 分布确定临界值 ，当 时，拒绝H0，否则接受H0。这里 中的下标是强调含有l个变量。 由于Wilks分布的数值表一般书上没有，常常用下面的近似公式。 Bartlett近似公式： 统计量在H0成立的条件下 。 Rao近似公式： 统计量在H0成立的条件下 下面根据Rao近似公式给出引入变量与剔除变量的检验统计量 （1）引入变量的检验统计量的构造 假定计算l步，并且变量 已选入（L不一定等于l），今考察第L+1步添加一个变量 的判别能力，此时将变量分为两组，一组为已选的前l个变量，另一组仅有一个变量 ，此时l+1个变量的组内离差阵和总离差阵仍分别记为 由于 同理 于是有 即 其中： 将上式代入Rao近似公式中得到引入变量的检验统计量： 若 ，则变量 的判别能力显著，我们将判别能力显著的变量中作用最大的变量（即使 为最小的变量）作为入选变量；否则不能把该变量作为引入变量。 需要说明的是，不管引入变量还是剔除变量，都需要对相应的矩阵E和T作一次消去变换，比如说，不妨设第一个引入变量是x1，这时就要对E和T同时进行消去第一列的变换得到E（1）和T（1），接着考虑第二个变量，经过检验认为显著的变量，不妨设为x2，这时就要对E（1）和T（1）同时进行消去第二列的变换得到E（2）和T（2），对剔除变量也是如此。 （2）剔除变量的检验统计量的构造 考察对已入选变量xr的判别能力，可以设想已计算了L步，并引入了包括变量xr在内的l个变量（L不一定等于l）。今考察拟在第L+1步剔除变量xr的判别能力，为了方便起见，可以假设xr是第L步引入的，也即L-1步引入了不包括xr在内的l-1个变量。因此问题转化为考查引入变量xr（其中l-1个变量已给定时）的判别能力，此时有 对相应地E（l）和T（l），再作一次消去变换有： 于是 从而得到剔除变量的检验统计量： 在已入选的所有变量中，找出具有最大Ar的（即使 最小）的一个变量进行检验。 若 ，则认为xr的判别能力不显著，可以把它从判别式中剔除，否则保留变量xr。 2、逐步判别法的基本步骤 （1）准备工作 1）计算各总体（类）的样本均值 和总体均值 。 2）计算样本的合并组内离差阵E和总离差阵T。 3)规定显著性水平α。 （2）逐步筛选变量 假设已计算了L步，在判别式中选入了l个变量，不妨设 已选入，则第L+1步计算内容如下： 1)计算全部变量的判别能力 对未入选变量xi计算 对已入选变量xj计算， 2）在已入选变量中考虑剔除可能存在的最不显著变量，取最大的Aj（即最小的 ）。假设 。作F检验： 若 ，则认为xr的判别能力不显著，可以把它从判别式中剔除，然后对E(l)，T(l)，作消去变换； 若 ，则从未入选变量中选出最显著变量，即要找出最小的Ai（即最大的 ），假设 。作F检验： 若 ，则变量xr的判别能力显著，我们将判别能力显著的变量中作用最大的变量（即使Ar为最小的变量）作为入选变量，然后对E(l)，T(l)，作消去变换。 在第L+1步计算结束后，再重复上面的1）、2）直至不能剔除又不能引入新变量时，逐步计算结束。 （3）建立判别式，对样品判别分类 经过第2步选出重要变量后，可用各种方法建立判别函数和判别准则。这里使用Bayes判别法建立判别式，假设共计算L+1步，最综选出l个变量，设判别式为 将每个样品 分别代入k个判别式，若 ，则判x属于第h总体。 需要指出的是：在逐步计算中，每步都是先考虑剔除，然后考虑引入，但开始几步一般是先考虑引入，