数学建模-判别总汇.pptVIP

*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*; SAS系统中的判别分析过程主要有三个，分别是DISCRIM过程（一般判别过程）、CANDISC过程（典型判别分析）和STEPDISC过程（逐步判别过程）。其中一般判别过程主要基于马氏距离导出判别函数。;PROC DISCRIM过程;数据集选项 data=sas-data-set:指定输入的数据集 testdata=sas-data-set:指定欲进行分类的输入观测数据集。该数据集中的观测也可以直接跟在分析数据集之后，而不必单独形成一个数据集，但类别变量值要根据缺省方式输入。 out=sas-data-set:生成一个输出数据集，包括来自输入数据集的所有数据，后验概率以及每个观测被重复替换后所分入的类。;判别分析的选项 method=normal|npar:确定导出分类准则的方法。当指定方法为normal时，导出的的判别函数基于组内总体是正态分布，而当指定方法为npar时，导出的判别函数基于非参数方法，此时需要指定密度函数的估计方法。 pool=no|test|yes:确定计算平方距离是以合并协方差还是组内协方差阵为基础。缺省时系统采用合并协方差阵导出一个线性判别函数，此时暗含假定各类协方差阵相等。当pool=no时，采用单个组内协方差阵导出判别函数。此时由于组内协方差阵不等，所以导出的是二次判别函数。在正态分布假设下，pool=test要求对各组内的协方差阵进行齐性检验，依此结果建立判别函数。 slpool=p:指定协方差阵齐性检验的显著性水平，该选项只有同时选择pool=test才有效，缺省时显著性水平为0.1。;其他常用选项 list:列出每个观测重复替换分类结果 wcov:输出组内协方差阵的估计 pcov:合并类内协方差阵的估计 distance:输出类均值之间的平方距离 simple:输出简单描述统计量 ;class variable; 该语句规定进行判别分析的分类变量 priors probabilities; 该语句指定各已知类出现的先验概率，用于做bayes判别，具有三种形式： priors equal; 规定各类先验概率相等 priors prop; 规定各类的先验概率为各类样品的比例 priors ‘1’=0.2 ‘2’=0.3 ‘3’=0.5; 规定各类的先验概率水平 或 priors a=0.1 b=0.4 c=0.5; var variables; 规定做判别分析的随机变量;例8.1 已知长江中游6月份降水分为三级：偏少、偏多、正常，分别用1，2，3来表示这三个母体（用变量species=1,2,3表示）。现利用气象因子x1,x2,x3,x4为预报因子（随机向量）作判别，1951-1975年观测数据(已分好类)见表7.1。1976-1979 x1,x2,x3,x4年数据已知，不知分类（待分类）见表7.2。试利用1951-1975年资料所得判别方法判定1976-1979年长江中游6月份降水级别。 ;data rainfall; input year x1-x4 species; cards; 1951 0.58 82.0 44.0 40.6 1 1952 0.40 83.0 18.0 43.0 2 1953 0.55 85.0 36.0 30.7 2 1954 0.40 85.0 36.0 40.7 2 1955 0.48 88.0 49.0 43.0 2 1956 0.41 82.0 35.0 78.6 3 1957 0.65 80.0 29.0 33.2 1 1958 0.45 82.0 32.0 33.1 3 1959 0.39 81.0 27.0 46.5 3 1960 0.34 85.0 28.0 41.7 3 1961 0.42 84.0 38.0 20.4 3 1962 0.52 86.0 38.0 0.2 1 1963 0.46 88.0 25.0 56.7 2 1964 0.48 83.0 46.0 13.6 1 1965 0.53 84.0 41.0 32.3 1 1966 0.65 81.0 31.0 28.9 1 1967 0.66 83.0 38.0 46.6 1 1968 0.53 80.0 42.0 93.1 3 1969 0.56 85.0 18.0 16.3 3 1970 0.45 83.0 37.0 23.9 3 1971 0.34 80.0 42.0 26.3 3 1972 0.41 79.0 38.0 40.8 3 1973 0.53 83.0 23.0 61.3 3 1974 0.48 84.0 19.0 23.2 2 1975 0.30 85.0 27.0 17.5 2 1976 0.42 81