第6讲多元课题.ppt

第6讲 多元分析;; 聚类分析又称群分析，它是研究分类问题的一 种多元统计方法。所谓类，通俗地说，就是指相似 元素的集合。那么要将相似元素聚为一类，通常选 取元素的许多共同指标，然后通过分析元素的指标 值来分辨元素间的差距，从而达到分类的目的。;聚类分析前的预处理步骤： 1)确定聚类类型：对样品聚类称Q型聚类； 对变量聚类称R型聚类。 ;3) 研究样品之间的关系。通常有两种方法：;聚类分析的一般步骤(Q-型分类) ; 进行聚类分析时，由于对类与类之间的距离的定义和理解不同，并类的过程中又会产生不同的聚类方法。常用的系统聚类方法有8种：最短距离法； 最长距离法；中间距离法；重心法；类平均法；可变类平均法；可变法；离差平方和法。;例：从21个工厂中抽出同类产品，每个产品测两个指标，欲将各厂的质量情况进行分类。 ;data ex;input x1 x2 factory$@@; cards; /*数据省略*/ ; proc cluster data=ex method=ward ccc pseudo outtree=tree; id factory; run; proc tree data=tree horizontal; id factory; run;; ccc表示要计算半偏R2，R2和ccc立方聚类标准 统计量，这三个统计量和下面的伪F和伪t2统计量， 主要用于检验聚类的效果。当把数据从G+1类合并 为G类时，半偏R2统计量说明了本次合并信息的损 失程度，统计量大表明损失程度大。 R2统计量反映 类内离差平方和的大小，统计量大表明类内离差平 方和小。 ccc统计量的值大说明聚类的效果好。;6.1 聚类分析; Cluster History表示聚类的具体过程，NCL表示当前系统存在类的总个数，Clusters Joined表示当前加入的编号，例如NCL等于20时，是类1，2聚为一类，FREQ表示新类的元素个数。SPRSQ表示类与类间规格化最短距离，RSQ表示R2统计量，ERSQ表示半偏R2统计量，CCC统计量值。PSF为伪F统计量，PST2为伪t2统计量。Tie表示“节”，是指当前类间最小距离不止一个的时候，此时可以任意选择一对最短距离进行聚类，在计算其他类与新类的距离。从CCC统计量的结果可以看出，最大值对应的类数为4。从四类合并为三类时，伪t2统计量显著的增加，伪F统计量下降显著，综合各方面的结果，因此分4类最为合适。;动态聚类图 ; 综合以上分析，可以得到结果，将工厂分为4类，分别为 第1类：f1,f2,f3,f4,f5,f6； 第2类：f7,f8,f9,f10 第3类：f11,f12,f13,f14,f15； 第4类：f16,f17,f18,f19,f20,f21。;肝病的判别; 常用的方法有：距离判别法、Fisher判别法、贝叶斯判别法、逐步判别法。这里仅介绍后两种。; Bayes判别法的基本思想：总是假设对所研究的对象已有一定的认识，计算新给样品属于各总体的条件概率 比较这个概率的大小，然后将新样品判归为来自概率最大的总体。 ; 设有总体 ， 具有概率密度函数 。并且根据以往的统计分析，知道 出现的概率为 。即当样本 发生时，求他属于某类的概率。由贝叶斯公式计算后验概率，有：;Bayes判别法的一般步骤 ：; 例题：人文发展指数是联合国开发计划署于1990年5月发表的一份人类发展报告中公布的数据如下，试通过已知的样品建立判别函数,误判率是多少?并判断待判的归类.;类别 国家 寿命(X1) 成人识字率%(X2) 调整后GDP(X3) 1 美国 76 99 5374 1 日本 79.5 99 5359 1 瑞士 78 99 5372 1 阿根廷 76.1 95.9 5242 1 阿联酋 7