[理学]本人根据方积乾老师讲课内容整理的多元统计分析课件4.pptVIP

生物医学研究的统计方法 主成分分析 Principal Component Analysis 预备知识—定量变量的特征数 定量地描述集中趋势与离散趋势是统计描述的重要内容. 一、 描述集中趋势的统计指标 对于连续型定量变量，描述集中趋势常用的统计量为算术均数、几何均数和中位数。 多个指标的问题: 1、指标与指标可能存在相关关系 信息重叠，分析偏误 2、指标太多，增加问题的复杂性和分析难度 如何避免？ Hotelling(1939)用两个主成分反映学生的入学成绩： 文科能力 数理能力 预备知识： 1：方差为零的变量不能区分总体的个体成员。 2：可用一个变量的方差来度量其所传递的信息量。 主成分分析的基本思想 一个假设的例子：N=100 X1 X2 均数 101.63 50.71 方差 109.63 55.40 标准差 10.47 7.44 主成分分析的基本思想 主成分分析的基本思想 （1）创建C1 使得VarC1尽可能大，即寻找一个方向使所有点在此方向上的投影的方差尽可能大 VarC1=147.44 （2）创建C2 C2和C1不相关，使得VarC2尽可能大，即寻找一个与C1垂直的方向使所有点在此方向上的投影的方差尽可能大 主成分分析的基本思想 如何综合多个随机变量？ 我们想要一个或多个综合变量，概括6个形态的大部分信息 注意：某指标在人群中方差较大，它就是一个好的指标。 寻找综合变量 x1,x2,…x6为 6 维随机变量 X1,X2,…,X6的标准化变换 （1）寻找第一主成分C1,寻找6个系数得 满足 则C1为第一主成分。 （2）寻找第二主成分 找到适合的6个系数 满足 则C2为第二主成分。 类似地，共可得到至多 6 个独立的主成分。 主成分分析的基本思想 假设有p个原始变量，寻找一系列新变量 将原始变量标准化 主成分分析的基本思想 寻找新变量C1，要求： 新变量是原始变量的线性组合, 且 新变量的方差Var(C1)最大。 主成分分析的基本思想 寻找新变量C2，要求： 新变量是原始变量的线性组合, 且 新变量C2与C1无关， Corr（C1,C2）=0 新变量的方差Var(C2)最大。 主成分分析的基本思想 以此类推寻找新变量C3，C4，…，Cp，最多可有p个新变量 主成分的基本思想 定义C1为第一主成分； 定义C2为第二主成分； 依次类推。 主成分的性质 主成分 C1，C2，…，Cp 具有以下性质： (1)主成分间互不相关Corr(Ci，Cj)=0 i ? j (2) 组合系数(ai1，ai2，…，aip)构成的向量为单位向量 (3)各主成分的方差是依次递减的， 即 Var(C1)≥Var(C2)≥…≥Var(Cp) (4) 总方差不增不减， 即 Var(C1)+Var(C2)+ … +Var(Cp) =Var(x1)+Var(x2)+ … +Var(xp) =p 协方差矩阵 样本的方差-协方差矩阵（variance-covariance matrix) 如果有p个观测变量 ， 则样本的协方差矩阵记为 相关矩阵 如果有p个观测变量 ，其相关阵（correlation matrix）记为 矩阵的特征值和特征向量 对于方阵A，如存在常数λ及非零向量x，使 Ax= λx 则λ为A的一个特征值，x为与λ对应的矩阵A的特征向量。 n介方阵有n对特征值和特征向量 正交向量（阵）、单位向量 正交向量： a=(a1,…,ap)’, b=(b1,…,bp)’ 如果a’b=a1b1+…+apbp=0,则称a、b正交 单位向量：向量a=(a1,…,ap)’，如果 则称a为单位向量 正交阵：n阶方阵A，如果 AA’=A’A=I，则称A为n阶正交