多元统计课件1.ppt

传统方法与多变量分析方法区别： Traditional statistical methods : State some hypothese Collect some data Substantiate or repudiate the hypotheses Multivariate techniques: Exploring data in order to find worthwhile and valuable information Multivariate methods : “variable-directed” techniques “individual-directed” techniques An Overview of multivariate methods “variable-directed” “individual-directed”  Principal components 主成分分析 Factor analysis 因子分析 Regression analysis 回归分析 Canonical correlation analysis 典型相关分析 Cluster analysis 聚类分析 Discriminant analysis 判别分析 Multivariate analysis of variance 方差分析 * * §1.2 统计距离和马氏距离 但就大部分统计问题而言，欧氏距离是不能令人满意的。这里因为，每个坐标对欧氏距离的贡献是同等的。当坐标轴表示测量值时，它们往往带有大小不等的随机波动，在这种情况下，合理的办法是对坐标加权，使得变化较大的坐标比变化小的坐标有较小的权系数，这就产生了各种距离。 欧氏距离还有一个缺点，这就是当各个分量为不同性质的量时，“距离”的大小竟然与指标的单位有关。 目录 上页 下页 返回 结束 D2（AB）=0.52（m） D（AB） =50（cm） D2（AC）=100（cm） D（AC）=10 （cm） A D=20cm H=15m B D=20cm H=15.5m C D=10cm H=15m * * §1.2 统计距离和马氏距离 目录 上页 下页 返回 结束 因此，有必要建立一种距离，这种距离要能够体现各个变量在变差大小上的不同，以及有时存在着的相关性，还要求距离与各变量所用的单位无关。看来我们选择的距离要依赖于样本方差和协方差。因此，采用“统计距离” 这个术语，以区别通常习惯用的欧氏距离。最常用的一种统计距离是印度统计学家马哈拉诺比斯（Mahalanobis）于1936年引入的距离，称为“马氏距离”。 * * §1.2 统计距离和马氏距离 目录 上页 下页 返回 结束 下面先用一个一维的例子说明欧氏距离与马氏距离在概率上的差异。 设有两个一维正态总体 。若有一个样品，其值在A处，A点距离哪个总体近些呢？由图1-2 图1-2 * * §1.2 统计距离和马氏距离 马氏距离 设X、Y从均值向量为μ，协方差阵为∑的总体G中抽取的两个样品，定义X、Y两点之间的马氏距离为 (1.21) ) ( ) ( ) , ( 1 / 2 Y X Σ Y X Y X - - = - d m X G (1.22) ) ( ) ( ) , ( 1 / 2 μ X Σ μ X X - - = - G d m 的马氏距离为 与总体 定义 目录 上页 下页 返回 结束 度量任意一点到原点的距离 任意两点的统计距离 * * §1.2 统计距离和马氏距离 设 表示一个点集， 表示距离，它 是到 的函数，可以证明,马氏距离符合如下距离的四条基本公理 : ； （1） ， （2） 当且仅当 ； （3） （4） 目录 上页 下页 返回 结束 * * §1.3 多元正态分布 多元正态分布是一元正态分布的推广。迄今为止,多元分析的主要理论都是建立在多元正态总体基础上的,多