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13章.pptVIP

应用统计第3章 同济大学经济与管理学院 管理科学工程系 张建同 副教授 本章教学目标 通过本章内容的学习 理解判别分析用于实际问题的基本假定； 描述判别分析的计算方法及其应用场合； 掌握如何用SPSS软件实现判别分析。 本章主要内容 §13.0 判别分析的基本思想 §13.1 距离判别 §13.2 Bayes判别 §13.3 Fisher判别 §13.4 逐步判别 §13.5 SPSS中判别分析方法和概念的介绍 §13.6 判别分析的上机实现 本章重点：理解判别分析用于实际问题时的基本假定，判别分析应用时的要点 多元回归无疑是使用最广泛的多元相关数据的分析方法。 回归普及性的基础在于它去预测和解释度量变量。 对于非度量变量，多元回归不适合解决此类问题。本章介绍的判别分析用来解决解释变量是非度量变量的情形。 例如根据人的身长、坐长、鼻骨的高度等特征判别人的种族；气象上根据前几天的气象要素预报第二天是晴、阴还是雨；根据各国的人均国民收入、人均工农业产值和人均消费水平等多项指标来判别一个国家经济发展程度的所属类型；在市场预测中，根据以往多项指标的资料，判断下季度(或下个月)产品是畅销、正常还是滞销；在环境科学中，根据某地区的气象条件和大气污染元素浓度等来判别该地区是属严重污染、一般污染还是无污染。 当被解释变量是属性变量而解释变量是度量变量时，判别分析是合适的统计分析方法。在很多情况下，被解释变量包含两组或者两类，比如雄性与雌性、高与低。 另外，有多于两组的情况，比如低、中、高的分类。 当包含两组时，称做两组判别分析；当包含三组或者三组以上时，称做多组判别分析。 判别分析的假设条件： 假设一：每一个判别变量不能是其他办别变量的线性组合。 假设二：各组变量的协方差矩阵相等。 假设三：是各判别变量之间具有多元正态分布 一.两总体情况 设有两个p维正态总体 ， ，它们分别服从具有相同协方差矩阵Σ的正态分布 和 ，其中 ， 为p维列向量，Σ为阶的正定矩阵。现给定一个个体x=(x1,…xp)T，问它来自哪个总体。 由于从两个总体中抽取的个体是相互独立并分别服从正态分布，而两个总体有相同的协方差矩阵，因此来自两个总体的个体之差别只在于它们分布中的均值向量 和 之间的差异。 距离判别的定义： 首先定义一种个体x与各总体的距离，然后根据这种定义把x判别它与之距离近的总体，即按距离最近的规则判定给定个体的类别，这种判别方法称为距离判别。 马氏距离： 设总体 ，其中Σ为阶的正定矩阵，x, y是取自总体G的任意两个个体，定义x与y的马氏距离为 定义个体x与总体G的马氏距离为x与总体G的均值向量的马氏距离，即 对两个具有相同协方差矩阵Σ的总体情形，按以下准则判别： 其中 取上述距离之差 其中 令 则判别准则，可以写成 这里y(x)是x的函数，称为判别函数。当两类均值向量和及其共同的协方差矩阵Σ已知时，令： 则a为一个已知的p维向量，这时 显然，y(x)是x的一个线性函数，称为线性判别函数，而系数向量a中的各个元素则称为判别系数。 二、多总体情况 对于多总体的情况，可以两两总体进行组合分别建立判别函数，然后再按最短距离原则建立判别规则，所以多总体的距离判别是两总体情况的自然推广。 1. 协方差阵相同 设有k个总体 ，它们的均值向量分别是 ，协方差阵均为Σ。类似于两总体的讨论，判别函数为 其判别规则为 2. 协方差阵不同 这时判别函数为 这时的判别规则为： §13.2 Bayes判别 一、 贝叶斯判别准则 贝叶斯(Bayes)判别是在各总体的分布密度和先验概率已知的情形下常用的判别方法。 设有k个总体 分别具有p维密度函数 ，已知出现这k个总体的先验分布为 ，我们将要建立判别函数和判别规则。 设已给定的一个划分 ，即 互不相交，且 。如果这个划分取得适当，正好对应k个总体，这时判别规则可以采用如下方法： 用L(j/i) 表示样本来自Gi 而误判为Gj 的损失，这一误判的概率为 定义的划分的错判平均损失(expected cost of misclassification)为 我们总是规定L(i/i)＝0。 若记 为某个样品被错判为总体 的损失，则上式可写为： 显然，要使平均损失最小，必须使每个 最小，而要使 最小，则 的选择就应该是在所有的划分中取 最小的划分。因此，可得出贝叶斯判别的解