多元统计在地下水质分析中的应用讲述.pptxVIP

多元统计分析在地下水质分析中的应用;在我们对某现象进行研究时，常常需要同时观测多个指标。 如，分析一个地下水水化学特征时，要考虑Ca2+、Mg2+、K+、Na+、HCO3-、SO42-、Cl-等多个指标； 上述指标，在统计中通常称为变量。;如何同时对多个变量进行有效的分析和研究？ 一种做法是把多个变量分开分析，一次仅分析一个变量，最多也就是研究两个变量之间的关系，这就是我们已经在统计学中学过的一元统计分析； 另一种做法是对这些所要研究的变量同时进行分析研究，即多元统计分析。;多元统计分析是研究多个变量之间关系以及内在的统计规律的一门统计学科。 利用多元统计分析的方法不仅可以对多个变量之间的相互依赖关系以及内在的统计规律进行分析，而且还可以对研究对象进行分类和简化。;一元正态分布;一元问题;2007; 深度m ;多元问题;水样编号;矿井涌水量与这些因素是否有关？;方差分析； 相关分析； 主成分分析； 因子分析； 分类主成分分析； 聚类分析； 判别分析，等。;一、方差分析;方差分析的原理;方差分析的原理;方差分析的原理;自由度为（3，20）和（50，20）的F-分布密度曲线图。 ;方差分析表;方差分析表;二、相关分析;如何标准化？;三、主成分分析;那么这个椭圆有一个长轴和一个短轴。在短轴方向上，数据变化很少；在极端的情况，短轴如果退化成一点，那只有在长轴的方向才能够解释这些点的变化了；这样，由二维到一维的降维就自然完成了。 ;主成分分析;主成分分析;主成分分析的一般模型;主成分分析;;四、因子分析;因子分析;因子分析;因子载荷;因子旋转;因子得分;主成分和因子分析的一些注意事项;因子分析的判断;;五、分类主成分分析;传统主成分分析（PCA）用线性变换方法将原空间映射到一个线性子空间，从而用于数据压缩和特征提取等，其存在两个不足之处： 一是每一个主成分承载的信息量就少，为满足累计方差贡献率达到一定水平，可能需选取较多的主成分，此时主成分分析的降维作用就不明显。 二是主成分分析只是一种“线性”降维技术，只能处理线性问题。然而，现实中很多事物之间并非线性关系。;非线性主???分分析（NLPCA，nonlinear principal components analysis）是一种可用于处理非线性问题的降维方法，该方法通过揭示变异信息的主要维度，在尽可能多的保留原始数据变异性信息的同时将原始数据转换为新的、更少的数据。 该方法可以揭示变量之间，样本之间以及样本和变量之间的三种关系，与其他多元统计分析相比，本方法能够从原始数据中提取更多的信息。在SPSS软件中，使用分类主成分分析（CATPCA，Categorical Principal Components Analysis）实现非线性主成分分析。;六、聚类分析;聚类分析;聚类分析;聚类中选择变量的要求;如何聚类？;距离;常用距离——明氏距离;马氏距离;相似系数;相似系数;夹角余弦—cosine;相似矩阵;相关系数;相关系数矩阵;系统聚类法的步骤;七、判别分析;判别分析(discriminant analysis);判别分析的基本思路;Y1=0.14*Ca-0.014*KNA+0.009*CO3 +0.008*HCO3+0.15*Cl-0.004*SO42-5.662