原创力文档- 1、本文档共3页，可阅读全部内容。
- 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、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、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四章课后习题2
习题4.9
（1）根据样本资料分别用距离判别法、贝叶斯判别法和费希尔判别法建立判别函数和判别规则。（2）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。
将数据导入SPSS，分析得到以下结果：
1. 典型判别函数的特征函数的特征值表
表2-1 特征值表
函数特征值方差的 %累积 %典型相关性18.145a1001000.944表2-1所示是典型判别函数的特征值表，只有1个判别函数，所以特征值只有1个。函数1的特征值为8.145。函数1方差的累积贡献率为100%，典型相关系数为0.944。由此，说明对于两类总体的判别只需一个判别函数就可以对样品进行分类。
2. Wilks检验结果
表1-2 Wilks 的 Lambda
函数检验Wilks 的 Lambda卡方dfSig.10.1098.85380.355上表中判别函数1的Wilks’Lambda值为0.109， P值=0.3550.05表示判别函数1未达到显著水平。
3.建立费希尔判别函数
表2-3（a） 未标准化的典型判别函数系数
函数1年龄-0.047受教育程度7.083现在所从事工作的年数0.195未变更住址的年数-0.367收入0.028负债收入比例0.783信用卡债务0.833其他债务-2.613(常量)-11.337 由表2-3(a)可知，费希尔判别函数为：
y=-11.337-0.047X1+7.083X2+0.195X3-0.367X4+0.028X5+0.783X6+0.833X7-2.613X8 将待判样品的自变量值代入上述判别函数，得y=-9.059
表2-3（b） 组重心处的费希尔判别函数值
类别函数1已履行还贷责任-2.553未履行还贷责任2.553如表2-3（b）所示，实际上为两类别重心在空间中的坐标位置，因为由费希尔判别函数计算得，待判样品的费希尔判别函数值为y=-9.059，所以待判样品属于第一组，即该客户的信用判定为已履行还贷责任，信用较好。
4.建立贝叶斯判别函数
表2-4 贝叶斯判别法函数系数
类别已履行还贷责任未履行还贷责任年龄0.2390.001受教育程度99.051135.212现在所从事工作的年数1.4722.47未变更住址的年数-5.159-7.033收入2.7942.938负债收入比例14.06718.064信用卡债务-7.916-3.665其他债务-40.212-53.55(常量)-117.963-175.844上表为贝叶斯判别函数的系数矩阵，用数学表达式表示各类的贝叶斯判别函数为：
第一组：
F1=-117.963+0.239X1+99.051X2+1.472X3-5.159X4+2.794X5+14.067X6-7.916X7-40.212X8
第二组：
F2=-175.844+0.001X1+135.212X2+2.47X3-7.033X4+2.938X5+18.064X6-3.665X7-53.55X8
将待判样品的自变量值分别代入上述两个贝叶斯判别函数，得到两个函数值为：
F1=51.442， F2=5.1615
比较两个值，可以看出51.4425.1615，据此得出待判样品应该属于第一组，即该客户的信用判定为已履行还贷责任，信用较好。
5. 个案观察结果表
表2-5 个案观察结果表
案例数目实际组最高组判别式得分预测组P(Dd | G=g)P(G=g | D=d)到质心的平方 Mahalanobis 距离函数 1pdf1110.781110.078-2.8312110.439110.6-1.7783110.574110.316-3.1144110.848110.037-2.3615110.9110.016-2.6786220.849110.0362.3627220.03610.9114.3930.4578220.87110.0272.7179220.477110.5063.26410220.158111.9923.96411未分组的101142.336-9.059表2-5所示为个案观察结果表，表中实际组和预测组的判别结果相同，说明个样品没有判错的，判别的准确率较高。用马氏距离对待判样品进行判别，可得，到质心的平
文档评论（0）