第二章判别newnew解说.ppt

判 别 分 析 距离判别 贝叶斯判别 逐步判别 典型判别 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： 判别分析的概念： 判别样品所属类别，即利用已知类别的样本培训模型，为未知样品判类的一种统计方法。 判别分析的应用： 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: 根据已掌握的历史上每个类别(总体)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。 判别分析与聚类分析的区别： 判别分析是在已知研究对象分成若干类型并已取得各种类型的一批样品观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。 聚类分析则是，一批给定样品要划分的类型事先并不知道，正需要通过聚类分析来给以确定类型。 判别分析与聚类分析的联系： 判别分析与聚类分析往往联合起来使用。当总体分类不清楚时，可先用聚类分析对原来的一批样品进行分类，然后再用判别分析建立判别式以对新样品进行判别。 判别分析的方法： 距离判别法 Fisher判别法 Bayes判别法 逐步判别法 §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，我们首先考虑的是能否构造一个恰当的距离函数，通过样品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 在企业的考核中，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。现有二个企业，观测值分别为 （7.8，39.1，9.6）和（8.1，34.2，6.9），问这两个企业应该属于哪一类？ 因此，当两总体靠得很近，则无论用何种办法，错判概率都很大，这时做判别分析是没有意义的。只有当两总体的均值有显著差异时，做判别分析才有意义。 可以利用F检验来检验判别效果的好坏。所谓判别效果的检验就是检验两个正态总体的均值是否相等。如两总体间差异显著，则判别函数有效。 §3 贝叶斯（Bayes）判别法 办公室新来了一个雇员小王，小王是好人还是坏人大家都在猜测。按人们主观意识，一个人是好人或坏人的概率均为0.5。坏人总是要做坏事，好人总是要做好事，偶尔也会做一件坏事，一般好人做好事的概率为0.9，坏人做好事的概率为0.2，一天，小王做了一件好事，小王是好人的概率有多大，你现在把小王判为何种人。。 距离判别简单直观，很实用，但是距离判别的方法把总体等同看待，没有考虑到总体会以不同的概率（先验概率）出现，也没有考虑误判之后所造成的损失的差异。 一个好的判别方法，既要考虑到各个总体出现的先验概率，又要考虑到错判造成的损失，Bayes判别就具有这些优点，其判别效果更加理想，应用也更广泛。 贝叶斯公式是一个我们熟知的公式： 判别规则： 二、 最小平均误判代价准则 【定理】 若总体G1，G2，?，Gk的先验概率为 含义是：当抽取了一个未知总体的样品值x，要判别它属于那个总体，只要先计算出k个按先验概率加权的误判平均损失