多元统计终版1.docVIP

1）设，...为来自总体(μ，)，容量n=20的一个随机样本，试对下列分布给出完整说明。 （1）(-μ) ’ （-μ）的分布。 解： (-μ) ’ （-μ）~ （2）和 ①~（μ， ②~（0，Σ） 2）…为来自均值为μ，协方差矩阵为Σ的总体分布的随机样本，下面每个统计量的近似分布是什么？ （1） ~ （2）n（）’（） 设=n（）’（） 则~F（p，n-p） 3）下面给出的五个元素两两之间的距离 1 2 3 4 5 1 0 2 10 0 3 11 25 0 4 12 24 1 0 5 11 23 3 2 0 ，请进行聚类分析，画出聚类图，并按2,3类进行分类。 解： 3,46（类） 5,67（类） 1,28（类） 7,8归为一类 。分二类：1,2和3,4,5. 分三类：1,2；5；3,4 5）设=11个和=12个分别取自Rand度是和，假定这两个变量服从二元正态分布，且有相同的协方差矩阵为： =[],=[],=[] 用Hotelling两样本统计量检验总体均值向量是否有显著差别（取α=0.05） 构造样本的Fisher线性判别函数 (3)将分配到或 解：（2）协方差相同时：，=-’，=’ =-·＇··=-（-1，-1）（（）=-×（-5.9，-8.4）（）≈0.211 =·= (-1，-1)( )=（-0.174，-0.248） =-·＇··=-（2.，1）（（） =-×（10.7，9.5）（）=-0.457 =＇·=（2，1）（=(0.316，0.281)=0.211+（-0.174，-0.248）x,=-0.457+（0.316,0.281）x (3)将′代入=0.211+（-0.174，-0.248）()=-0.037=-0.457+（0.316,0.281）()=-0.176由于＞ ∴′∈ 6）在对杨树性状的研究中，测定了20株杨树树叶，每个叶片测定了4个变量，叶长，（），叶宽（）处宽（）处宽（），这四个变量相关系数和特征值为： =2.920 ′（0.1485，-0.5735，0.5577，-0.5814） =1.024 ′（0.9544，-0.0984, 0.2695, 0.0824） =0.049 ′（0.2516, 0.7733，-0.5589，-0.1624） =0.007 ′（0.0612, 0.2519，0.5513，-0.7930） 写出四个主成分表达式 (2)计算每个的方差贡献率，并按一般性质选取主成分个数 解：（1）=0.1485—0.5735+0.5577—0.5814 ……………… （2）==73% ==25.6% ==1.225% ==0.175% =98.6%85% ∴只须选一，二成份 7）下面是10对数据（x，y）的观察值。=1680 ， =1110 ，=204200 ，=315400 ，=133300 求（1），的估计值和标准差 (2)可决系数 3.对，分别建立95%的置信空间，可以接受=0吗？（（9）=2.262 ，（8）=2.306） 设; =(x-=— （n=10） =(x-)（y-）=（xy）— ==— ，=168，=111 （1）=≈0534 =—≈21.288 残差平方和 =—Y—（xy）≈627.52 随机误差项方差 的估计量 =≈78.44 标准差 S≈8.86 S=S≈8.638 S=≈0.048 (2)可决系数 =1— ∴=1—=0.938 (3) 置信空间：[—（n—1），+（n—1）] 化简代入得 [5,5.68] 的置信区间：[—（n—1），+（n—1）] 化简代入得 [15.109,27.467] 假设=0，t=（—）/ S t=≈11.125＞t0.025（8） ∴拒绝接受 相关分析与回归分析的联系与区别 　　相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。 　　二者的区别主要体现在以下三个