以Excel和SPSS为工具的管理统计 教学课件 作者 7 302 11702 0 管理统计第12章.pptVIP

应用统计第3章 本章教学目标 掌握聚类分析的原理和方法； 掌握几种聚类分析方法； 掌握用SPSS软件进行聚类分析 本章主要内容 §12.1 距离和相似性度量 §12.2 系统聚类法 §12.3 动态聚类法 §12.4 有序样品的聚类 §12.5 聚类分析的上机实现 本章重点：系统聚类法；聚类分析的上机实现 概述 聚类分析的职能是建立一种分类方法，它是将一批样品或变量，按照它们在性质上的亲疏程度进行分类。 根据分类对象的不同，聚类分析可分为Q型聚类分析和R型聚类分析两大类。 Q型是综合利用多个变量对样本进行分类处理，R型是对变量进行分类处理。 ●???间隔尺度变量：即连续变化的实值变量，如长度、重量、压力等。 ●?? 有序尺度变量：这种变量没有明确的数量表示，但其所取的各种状态间有次序关系。如评价卷烟可分为甲、乙、丙三级。 ●???名义尺度变量：这种变量没有数量表示，其状态间也没有次序关系。如性别可为男和女，医疗诊断中的阴性和阳性，天气的阴和晴，眼睛的颜色等。 当我们对事物进行分类时，总是要选定一种度量用以衡量两个事物间的接近程度，以便把相互接近的放在一起形成一类，而把疏远的分别放在不同的类别之中。一般可选用的度量分为两大类，即距离和相似性度量。 一、距离 下面主要考虑间隔尺度变量的情形。设有n个样品，每个样品有p个指标，设 为第i个样品的第j个指标。 数据标准化： 1.标准差标准化 先对每个变量求其样本均值和样本方差 做下述变化 2. 级差标准化 先求样本级差： 做下述变换 有时也做如下变换： 距离的定义 用 表示样品i和样品j之间的距离。按一般要求，距离 应满足以下4条公理： ≥0 对一切 ≤ 如果所定义的距离只满足准则(1)，(2)，(3)，而不满足(4)，则称此距离为广义距离。 最常用的距离是 1.绝对距离： 2.欧式距离： 3.明考夫斯基距离： 4.切比雪夫距离 : 消除量纲的影响办法有： (1)当各指标的量纲相差悬殊时，先对数据标准化，然后用标准化的数据计算距离。 (2)兰氏距离 ： 马氏距离： 这距离不但消除了量纲的影响，也对相关性做了考虑。 【例12.1】 已知一个二维正态总体G的分布为 求点 和 至均值 的距离 解：由假设可得 从而 如果用欧氏距离，则有 两者相等，而按马氏距离两者差19倍之多。 我们知道本例的分布密度是 A和B两点的密度分别是 【例12.2】 某高校举办一个培训班，从学员的资料中得到这样6个变量：性别，取值男和女；外语语种，取值为英、日和俄；专业，取值为统计、会计和金融；职业，取值为教师和非教师；居住，取值为校内和校外；学历，取值为本科和本科以下。 现有两名学员： x1 = (男，英，统计，非教师，校外，本科)T x2 = (女，英，金融，教师，校外，本科生)T 这两个学员的第二个变量都取值“英”，称为配合的，第一个变量一个取值为“男”，另一个取值为“女”，称为不配合的。一般地，若记配合的变量数为m1不配合的变量数为m2，则它们之间的距离可定义为 二、相似系数 聚类分析方法不仅用来对样品进行分类，而且可用来对变量进行分类，在对变量进行分类时，常常采用相似系数来度量变量之间的相似性。 变量 与 的相似系数用 来表示，它一般应满足下三个条件： 当且仅当 a( )和b是常数 ≤1 对一切i, j; 对一切i, j。 最常用的相似系数有如下两种： 1. 夹角余弦 变量的 夹角余弦定义为 2. 相关系数 变量 与 的相关系数为 §12.2 系统聚类法 系统聚类法(hierarchical clustering method)是使用最多的一种聚类方法。 它的基本思想是：先将每个样品(或变量)作为一类，然后选定样品(或变量)间的一种距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类之间的距离，再重复上述并类过程，直到最后全都并成一类为止。 以下我们用 表示第i个样品与第j个样品的距离， 表示类, 表示 与 的距离。 一、最短距离法 定义类与类之间的距离为两类最近样品间的距离，即 称这种系统聚类法为最短距离法