何晓群版多元统计课后作业答案.docVIP

第一章多元正态分布 1.在数据处理时，为什么通常要进行标准化处理？ 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是0-1标准化和Z标准化。 （1）0-1标准化(0-1 normalization) 　　也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下： 　　其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。 （2）Z-score 标准化(zero-mean normalization) 　　也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最为常用的标准化方法，其转化函数为： ? 　　其中μ为所有样本数据的均值，σ为所有样本数据的标准差。 2、欧氏距离与马氏距离的优缺点是什么？ 欧氏距离（Euclidean distance）也称欧几里得度量、欧几里得度量，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。在二维和三维空间中的欧氏距离的就是两点之间的距离。 缺点：就大部分统计问题而言，欧氏距离是不能令