判别课件解说.ppt

多元统计分析 判别分析 聚类分析 主成分分析 因子分析 典型相关分析 对应分析 第五章 判 别 分 析 距离判别 贝叶斯判别 典型判别 判别分析简介 实际问题中，常常碰到判别分析问题，判别分析的实质是根据历史数据的分类，归纳出每个类的特征，然后根据某种准则，对新的数据属于哪个类别进行判断的统计方法； 判别分析有着广泛的应用，例如医学上，根据病人的症状判断病人的疾病类型，在经济上，根据企业和地区的经济指标特征，判断企业和地区的类型； 判别分析内容很丰富，方法很多，可以分为两总体和多总体判别，线性判别和非线性判别，逐步判别和序贯判别等 要 点 判别分析对变量的要求； 样本点和总体间的距离； 距离判别法、贝叶斯判别法和FISHER判别，三者的关系和差别； 如何刻画判别的效果，错判率如何计算； 如何选择变量，使你的判别效果更好，你学过哪些检验差异是否显著的统计方法。 例 中小企业的破产模型 为了研究中小企业的破产模型，选定4个经济指标： X1总负债率（现金收益/总负债） X2收益性指标（纯收入/总财产） X3短期支付能力（流动资产/流动负债） X4生产效率性指标（流动资产/纯销售额） 对17个破产企业（1类）和21个正常运行企业（2类）进行了调查，得如下资料： 判别分析利用已知类别的样本培训模型，为未知类别的样本判类的一种统计方法。 它产生于本世纪30年代。近年来，在自然科学、社会学及经济管理学科中都有广泛的应用。 判别分析的特点是根据已掌握的、历史上每个类别的若干样本的数据信息，总结出客观事物分类的规律性，建立判别公式和判别准则。然后，当遇到新的样本点时，只要根据总结出来的判别公式和判别准则，就能判别该样本点所属的类别。 §2.2 距离判别 一、马氏距离 距离判别的最直观的想法是计算样品到第i类总体的平均数的距离，哪个距离最小就将它判归哪个总体，所以，我们首先考虑的是是否能够构造一个恰当的距离函数，通过样本与某类别之间距离的大小，判别其所属类别。 设 是从期望μ= 和方差阵Σ= 的总体G抽得的两个观测值，则称 马氏距离和欧式距离之间的差别 马氏距离有如下的特点： 3、若变量之间是相互无关的，则协方差矩阵为对角矩阵 例 在企业的考核种，可以根据企业的生产经营情况把企业分为优秀企业和一般企业。考核企业经营状况的指标有： 资金利润率=利润总额/资金占用总额 劳动生产率=总产值/职工平均人数 产品净值率=净产值/总产值 三个指标的均值向量和协方差矩阵如下。 proc iml; sigma={68.39 40.24 21.41, 40.24 54.58 11.67, 21.41 11.67 7.90}; mu1={13.5, 40.7, 10.7}; mu2={5.4, 29.8, 6.2}; mu=(mu1+mu2)/2; arfa=inv(sigma)*(mu1-mu2); c=t(arfa)*mu; print arfa c; （2）错判概率的计算 设?1和?2是两个总体，记 p(2|1)来于第一个总体，但是判给了第二个总体的概率； p(1|2)来于第二个总体，但是判给了第一个总体的概率。则 因为 所以 例 中小企业的破产模型 为了研究中小企业的破产模型，选定4个经济指标： X1总负债率（现金收益/总负债） X2收益性指标（纯收入/总财产） X3短期支付能力（流动资产/流动负债） X4生产效率性指标（流动资产/纯销售额） 对17个破产企业（1类）和21个正常运行企业（2类）进行了调查，得如下资料： proc iml; csscp1={0.88258 0.56953 0.68987 0.08295, 0.56953 0.42006 0.52040 0.06883, 0