第7章__主成分概论.ppt

1、无偏估计 2、矩估计、极大似然估计 3、最小方差无偏估计 4、置信区间 5、假设检验 6、后验分布 7、一元线性回归、显著性检验 一 引言 多元统计分析处理的是多变量（多指标）问题。 在实际问题中，为了尽可能完整地获取有关的信息，往往需要考虑众多的变量，这虽然可以避免重要信息的遗漏，但增加了分析的复杂性。 同一问题所涉及到的众多变量之间会存在一定的相关性，这种相关性会使各变量的信息有所“重叠”。 人们自然希望通过克服相关性、重叠性，即对这些彼此相关的变量加以“改造”，用较少的变量来代替原来较多的变量，而这种代替可以反映原来多个变量的大部分信息，从而通过对为数较少的新变量的分析达到解决问题的目的。 这实际上是一种“降维”的思想。 主成分分析也称主分量分析，是由美国统计学家Hotelling于1933年首先提出的。 由于多个变量之间往往存在着一定程度的相关性。人们自然希望通过线性组合的方式，从这些指标中尽可能快地提取信息。 当第一个线性组合不能提取更多的信息时，再考虑用第二个线性组合继续这个快速提取的过程，……，直到所提取的信息与原指标相差不多时为止。这就是主成分分析的思想 主成分分析着眼于考虑变量的“分散性”信息,主要目的是对原变量加以“改造”,在不致损失原变量太多信息的条件下尽可能地降低原变量的维数,即用较少的“新变量”代替原来的各变量,即：(1)变量的降维；(2)主成分的解