R-多元统计分析上机讲义【DOC精选】.docVIP

应用多元统计分析 R实验上机讲义应用多元统计分析 4 Applied Multivariate Statistical Analysis 4 第一章 绪论 4 第二章 矩阵 4 2.1矩阵的建立 4 2.2矩阵的下标(index)与子集(元素)的提取 6 2.3 矩阵四则运算 7 2.3.1 矩阵的加减运算 7 2.3.2 矩阵的相乘 8 2.3.3 矩阵的求逆 8 2.4矩阵的其他一些代数运算 8 2.4.1 求转置矩阵 8 2.4.2 提取对角元素 8 2.4.3矩阵的合并与拉直 8 2.4.4方阵的行列式 9 2.4.5 矩阵的特征根和特征向量 9 2.4.6 其它函数 9 2.5 矩阵的统计运算 10 2.5.1 求均值 10 2.5.2 标准化 10 2.5.3 减去中位数 10 第三章 多元正态分布及参数的估计 10 3.1 绘制二元正态密度函数及其相应等高线图 10 3.2 多元正态分布的参数估计 12 3.2.1 多元正态总体的相关量 12 3.2.2 极大似然估计 13 第四章 多元正态总体参数的假设检验 14 4.1 几个重要统计量的分布 14 4.2 单总体均值向量的检验及置信域 14 4.2.1均值向量的检验 14 4.2.2样本协方差阵的特征值和特征向量 15 4.3多总体均值向量的检验 16 4.3.1 两正态总体均值向量的检验 16 4.3.2 多个正态总体均值向量的检验-多元方差分析 17 4.4协方差阵的检验 18 4.4.2 多总体协方差阵的检验 18 4.5独立性检验 18 4.6正态性检验 19 第五章 判别分析 20 5.1距离判别 21 5.1.1 马氏距离 21 5.1.2 两总体的距离判别 21 5.1.3 多个总体的距离判别 24 5.2贝叶斯判别法及广义平方距离判别法 24 5.2.1 先验概率(先知知识) 24 5.2.2 广义平方距离 25 5.2.3 后验概率（条件概率） 25 5.2.4 贝叶斯判别准则 25 5.3费希尔（Fisher）判别 28 第六章 聚类分析 29 6.2距离和相似系数 29 6.2.1距离 29 6.2.2数据中心化与标准化变换 29 6.2.3相似系数 30 6.3 系统聚类法 30 6.4类个数的确定 32 6.5动态聚类法 34 6.7变量聚类方法 34 第七章 主成分分析 35 7.2 样本的主成分 36 7.3 主成分分析的应用 37 第八章 因子分析 40 8.3 参数估计方法 40 8.4 方差最大的正交旋转 43 8.5 因子得分 43 第九章 对应分析方法 44 第十章 典型相关分析 46 应用多元统计分析 Applied Multivariate Statistical Analysis 绪论 在实际问题中，很多随机现象涉及到的变量不是一个，而是经常是多个变量，并且这些变量间又存在一定的联系。我们经常需要处理多个变量的观测数据，如果用一元统计方法，由于忽视了各个变量之间可能存在的相关性，一般说来，丢失信息太多，分析的结果不能客观全面反映数据所包含的内容，因此，我们就需要用到多元统计的方法。 多元统计分析(Multivariate Statistical Analysis)也称多变量统计分析、多因素统计分析或多元分析，是研究客观事物中多变量(多因素或多指标)之间的相互关系和多样品对象之间差异以及以多个变量为代表的多元随机变量之间的依赖和差异的现代统计分析理论和方法。多元统计分析是解决实际问题的有效的数据处理方法。随着电子计算机使用的日益普及，多元统计统计方法已广泛地应用于自然科学、社会科学的各个方面。 矩阵 矩阵即是二维的数组，它非常的重要，以至于需要单独讨论。由于矩阵应用非常广泛，因此对它定义了一些特殊的应用和操作，R 包括许多只对矩阵操作的操作符和函数。 2.1矩阵的建立 在R中最为常用的是用命令matrix( )建立矩阵，而对角矩阵常用函数diag( )建立。例如 X-matrix(1,nr=2,nc=2) X [,1] [,2] [1,] 1 1 [2,] 1 1 X - diag(3) # 生成单位阵 X [,1] [,2] [,3] [1,] 1 0 0 [2,] 0 1 0 [3,] 0 0 1 diag(2.5, nr = 3, nc = 5) [,1] [,2] [,3] [,4] [,5] [1,] 2.5 0.0 0.0 0 0 [2,] 0.0 2.5 0.0 0 0 [3,]