应用多元统计分析作业课件.docx

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
应用多元统计分析作业课件

多元统计分析实验报告实验课程名称多元统计分析实验项目名称多元统计理论的计算机实现年级 2013专业应用统计学学生姓名侯杰成绩理学院实验时间:2015 年05月07日学生所在学院:理学院专业:应用统计学班级:9131137001姓名侯杰学号913113700124实验组实验时间16.05.07指导教师李建军实验项目名称多元统计理论的计算机实现实验目的及要求:目的:熟悉R(或SPSS)软件,掌握多元统计分析中多元正态分布均值向量和协差阵的检验,判别方法,聚类分析,主成分分析,因子分析,相应分析内容。 要求:程序要有注释,尽量体现多元统计分析多元正态分布均值向量和协差阵的检验,判别方法,聚类分析,主成分分析,因子分析,相应分析内容内容的基本原理。实验硬件及软件平台:计算机、R、网络实验内容(包括实验具体内容、算法分析、源代码等等):指导教师意见:签名:年月日代码及运行结果分析均值检验问题重述:某医生观察了16名正常人的24小时动态心电图,分析出早晨3小时各小时的低频心电频谱值(LF)、高频心电频谱值(HF),数据见压缩包,试分析这两个指标的各次重复测定均值向量是否有显著差异。代码如下:Tsq.test-function(data,alpha=0.05){ data-as.matrix(read.table(ch37.csv,header=TRUE,sep=,)) #读取数据xdat-data[,2:4]; xbar-apply(xdat,2,mean); #计算LF指标的均值ydat-data[,5:7]; ybar-apply(ydat,2,mean); #计算HF指标数据xcov-cov(xdat); #计算LF样本协差阵ycov-cov(ydat); #计算HF样本协差阵sinv-solve(xcov+ycov);#求逆矩阵Tsq-(16+16-2)*t(sqrt(16*16/(16+16)*(xbar-ybar)))%*%sinv%*%sqrt(16*16/(16+16)*(xbar-ybar)); #计算T统计量Fstat-((16+16-2)-3+1)/((16+16-2)*3)*Tsq; #计算F统计量pvalue-as.numeric(1-pf(Fstat,3,16+16-3-1)); cat(p值=,pvalue,\n); if(pvalue0.05) #结果输出 cat(均值向量不存在差异) else cat(均值向量存在差异);}运行结果及分析:通过运行程序,我们可以得到如下结果: Tsq.test() p值= 1.632028e-14 均值向量存在差异即LF与HF这两个指标的各次重复测定均值向量存在显著差异。判别分析问题重述:银行的贷款部门需要判别每个客户的信用好坏(是否未履行还贷责任),以决定是否给予贷款。可以根据贷款申请人的年龄()、受教育程度()、现在所从事工作的年数()、未变更住址的年数()、收入()、负债收入比例()、信用卡债务()、其它债务()等来判断其信用情况。数据见压缩包。⑴根据样本资料分别用距离判别法、Bayes判别法和Fisher判别法建立判别函数和判别规则。⑵某客户的如上情况资料为(53,1,9,18,50,11.20,2.02,3.58),对其进行信用好坏的判别。代码如下:#距离判别法discrim.dist-function(x){ data-read.csv(ch49.csv,header=T,sep=,); #读取数据 G1-data[1:5,]; G2-data[6:10,]; u1-apply(G1,2,mean); #计算信用好的样本数据均值 u2-apply(G2,2,mean); #计算信用不好的样本数据均值 s1-cov(G1); s2-cov(G2); s-s1+s2;xbar-(u1+u2)/2; alpha-solve(s)%*%(u1-u2); #计算判别系数alpha w-t(alpha)%*%(x-xbar); #构造判别函数 if(w=0) #结果输出 cat(该客户属于信用好的一类,\n) else cat(该客户属于信用坏的一类,\n)}#费希尔判别法fisher.test-function(x){ data-read.csv(ch49.csv,header=T,

文档评论(0)

jiayou10 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8133070117000003

1亿VIP精品文档

相关文档