第三章判别研究.pptVIP

第三章 判别分析;　判别分析的模型如下： 设有k个总体G1,…,Gk,都是p元总体，其数量指标是　;一、两个总体的情况; 定义3.1 设x,y是从均值向量为?、协方差矩阵为? 的总体G中抽取的两个样品，则x,y两点之间的马氏距离平方是; 当两总体G1和G2的均值向量分别为?(1)和 ?(2)，协方差矩阵均为?1和?2，则;是x的线性函数，称为线性判别函数。;;当?, ?(1), ?(2)未知时，用样本估计。设;;二、 判别准则的评价;1. 误差率回代估计法;;;;;;;;;;;;;;协方差矩阵分别为?1, ?2, …, ?k。类似两总体距离判别,计算新样品到各总体的马氏距离, 距离最短者属于响应的总体。;;当总体均值?j和协方差矩阵?未知时，用样本估计。设;;当总体均值?j和协方差矩阵?j未知时，用样本估计。;3.2 贝叶斯(Bayes)判别 ; 用D1, D2, …，Dk表示p维欧氏空间ＲP的一个划分，即D1, D2,…，Dk互不相交,且D1∪D2∪…∪Dk=RP。如果这个划分取得适当，正好对应于这k个总体，这时判别规则可以采用如下办法:; 用c(j|i)表示样品来自Ｇi而误判为Ｇj的损失，这一误判的概率为;定理3.1 在本节假定下，Bayes判别解 D1,D2,…,Dk 为;h1(x)=q2 f2(x)c(1|2), ;例3.3 若f1(x)与f2(x)分别为p维正态分布Np(?1, ?), Np(?2,?)的密度函数，此时;定理5.1 在本节假定下，Bayes判别解 D1,D2,…,Dk 为;推论 如果c(j|i)=1, i≠j，则Bayes解为;判别规则也可以写为：;判别规则为：;;;;;3.3 Fisher判别*; 令a为RP中的向量，U(x)=a? x为x向以a为法线方向的投影，上述数据的投影为:;正好组成单因素方差分析数据,其组间平方和为;若k组均值有显著差异，则;例3.7 (胃癌的鉴别)有三个总体:胃癌、萎缩性胃炎和非胃炎患者。从每个总体中抽5个病人，每个病人化验4项生化指标：血清铜蓝蛋白(x1)、蓝色反应(x2)、尿吲哚乙酸(x3)和中性硫化物(x4)，数据如下表。试用Fisher方法建立判别准则并对这15个样品进行判别归类。 ;胃癌检验的生化指标值 ;;;;3.4 逐步判别 ;逐步判别原理 ; 从矩阵W(0)与E(0)开始，作所谓的消去变换，每一次消去变换，都是在上一次变换的基础上进行的。例如,假设对矩阵W(0)、E(0)已作了r 次消去变换而得到W(r)、E(r)，则对W(r)和E(r)再作一次消去变换便得到W(r+1)及E(r+1)。矩阵W(r)与E(r)的元素以w(r)ij与e(r)ij表示。; 在r+1 步要引进变量xj时，衡量该变量重要性的统计量叫维尔克斯(Wilks)统计量(越小越重要);m为已引入变量个数。当FF?(k-1,n-k-m)时,引入变量xj.;例3.8 (续例3.7) 对例3.7进行逐步判别。;;;;