北京大学统计学经典第九章——变量间关系.pptVIP

判别分析;判别 ;判别分析(discriminant analysis);判别分析例子;Disc.sav数据 ;根据距离的判别（不用投影） ;Fisher判别法(先进行投影);捏办页腹唱秤嫩馆锣碧垢兰授淘也没活燎圆寓车署唾绪可娃恐潞骆倒冕吏北京大学统计学经典第九章——变量间关系北京大学统计学经典第九章——变量间关系;逐步判别法(仅仅是在前面的方法中加入变量选择的功能);Disc.sav例子;Disc.sav例子;漠栗样伙癣锹推缴学掉火肯槐阮蔷庭谈上承碱瓜龚逾份洛赛冉蔬析冗教挂北京大学统计学经典第九章——变量间关系北京大学统计学经典第九章——变量间关系;Disc.sav例子;Disc.sav例子;Disc.sav例子;误判和正确判别率;Disc.sav例子;Disc.sav例子;判别分析要注意什么？;判别分析要注意什么？;SPSS选项;判别分析(Discriminant Analysis) ;和聚类分析的关系;距离判别法;Mahalanobis距离;线性判别函数:当S(1)=S(2)=S时;当m(1), m(2), S 已知时, 令a= S-1(m(1)- m(2) ) ≡(a1,…, ap)’,则;当m(1), m(2), S 未知时, 可通过样本来估计:;非线性判别函数:当S(1) ≠S(2)时;多总体时的线性判别函数:当S(1)=…=S(k)=S时;非线性判别函数:当S(1) ,…, S(k) 不等时;费歇(Fisher)判别法;将Gm组中数据投影的均值记为 有;组间离差平方和为:;注:L=|E|/|B+E|为有Wilks分布的检验零假设H0:m(1)=…= m(k)的似然比统计量. Wilks分布常用c2分布近似(Bartlett);希望寻找a使得SSG尽可能大而SSE尽可能小,即;m个判别函数的判别能力定义为;总体方差不等时,注意到 的样本方差为 ;用m个线性判别函数yi(x) =vi’x,i=1,…,m,时, 先将样本点在L(vi,…,vm )空间投影再按照p1情况的距离判别法来制定判别规则. 判别能力为;m=1时, 不加权法:;m1时, 不加权法: 记 对x=(x1,…,)’, yl(x)=v(l)’x;Bayes判别法;逐步判别法;鸢尾花数据(花瓣,花萼的长宽) 5个变量:花瓣长(slen),花瓣宽(swid), 花萼长(plen), 花萼宽(pwid), 分类号(1:Setosa, 2:Versicolor, 3:Virginica)(data14-04);Statistics→Classify →Discriminant: Variables: independent (slen,swid,plen,pwid) Grouping(spno) Define range(min-1,max-3) Classify: prior probability(All group equal) use covariance matrix (Within-groups) Plots (Combined-groups, Separate-groups, Territorial map) Display (Summary table) Statistics: Descriptive (Means) Function Coefficients (Fisher’s, Unstandardized) Matrix (Within-groups correlation, Within-groups covariance, Separate-groups covariance, Total covariance) Save: (Predicted group membership, Discriminant Scores, Probability of group membership);鸢尾花数据(数据分析过程简明表);鸢尾花数据(原始数据的描述);鸢尾花数据(合并类内相关阵和协方差阵);鸢尾花数据(总协方差阵);鸢尾花数据(特征值表)Eigenvalue:用于分析的前两个典则判别函数的特征值, 是组间平方和与组内平方和之比值. 最大特征值与组均值最大的向量对应, 第二大特征值对应着次大的组均值向量典则相关系数(canonical correlation):是组间平方和与总平方和之比的平方根.被平方的是由组间差异解释的变异总和的比.;鸢尾花数据(Wilks’ Lambda统计量)检验的零假设是各组变量均值相等. Lambda接近0表示组均值不同,接近1表示组均值没有不同. Chi-square是lambda的卡方转换, 用于确定其显著性. ;鸢尾花数据(有关判别函