[数学]典型相关分析1.pptVIP

第二章 典型相关分析 2.1 问题的引入 2.2 数学模型及计算方法 2.3 典型相关系数的显著性检验 2.4 应用举例 2.1 问题的引入 我们知道,两个随机变量X,Y的相关性可用它们的相关系数来度量,其定义为 2.2 数学模型及计算方法 2.2.1 总体的典型变量与典型相关 进一步假定∑11 和∑22是满秩阵,令 典型相关分析成分的计算方法 2.2.2标准化后的计算 2.2.3 样本的典型变量与典型分析 其中 这时,样本典型变量为 为了消除量纲的影响,也可以对样本观测值进行标准化,即令 标准化样本 在实际分析中,为使典型变量易于解释,通常从R出发,求标准化样本的典型变量,选择样本典型相关系数较大的少数几对样本典型变量,以反映原来两组变量间的关系. 2.3典型相关系数的显著性检验 2.4 应用举例 完 附1 矩阵平方根的概念 例二 课程设置的典型相关分析 数学专业通常开设下列课程: 这两组课程之间有一定的相关关系,下面以学生的各门课的学业成绩为各变量的取值进行相关分析.令 抽取了某校n=75名学生的学业成绩,计算其样本相关矩阵为: 其中R12=R21T,未写出部分与相应左下角部分对称. 求得对应的典型变量的线性组合系数如下: 求得矩阵 的四个特征值为 对 对 对 对 下面利用Bartlett检验判断各对典型变量相关的显著性. 取α=0.10,将检验统计量的观测值及χ2分布的上侧α分位数(临界值)χα2(f)及检验的结论列于下表: 7.78 4 2.92 0.958 0.205 4 15.99 10 11.13 0.849 0.338 3 接受H0(2) 25.99 18 22.34 0.720 0.389 2 拒绝H0(1) 37.92 28 229.93 0.034 0.976 1 结论 临界值 自由度f Ai Wi i 由于H0(2)被接受,即除第一对典型变量显著相关外,其余各对的相关性均不显著.因此只需考虑第一对样本典型变量: 其中xi*(i=1,2,3,4)和yj*(j=1,2,...,7)为相应的样本标准化变量. 由于 的实际意义 一般说来,学好基础课对学好专业课具有促进作用,即基础课成绩较好者,他们的专业课成绩一般业比较好. x1*(数学分析)的权系数最大 y2*(抽象代数),y3*(复变函数),y5*(实变函数)为最大几个权系数 “数学分析——函数论” * * * * 但在许多实际问题中,需要研究多个变量间的相关关系.对于变量组(X1,X2,…,Xp)和(Y1,Y2,…,Yq),虽然每个Xi与每个Yj之间的相关关系也反映了两组变量中各对之间的联系,但不能反映这两组变量整体之间的相关性. 但是,我们可以把两组变量的相关性转化为两个变量的相关性来考虑,即考察一组变量的线性组合 与另一组变量的线性组合 的相关性. 为最大地提取(X1,X2,…,Xp)与(Y1,Y2,…,Yq)之间的相关性,我们选择a和b,使Z与W之间有最大的相关系数,这时称Z和W为第一对典型变量. 进一步,我们还可以确定第二对、第三对典型变量等等,并使各对典型变量之间互不相关.这样就将两组变量间的相关性凝结为少数几个典型变量对之间的相关性. 设两组随机变量分别为 令 则有 则∑是(X1,X2,…,XpY1,Y2,…,Yq)T的协方差矩阵. 由于 考虑两组变量的线性组合 则U和V的相关系数为 典型相关分析即确定a和b使得ρU,V达到最大. 可知,给a和b同时乘以非零常数C,U和V的相关系数不变,故可对a和b作如下约束 于是典型相关分析即在上面约束之下,确定a和b使得ρU,V达到最大.这时,称U,V为典型变量. 如果只有一对U,V还不足以反映X和Y之间的相关性,可进一步构造与U,V互不相关的另外一对典型变量,如此等等. 一般的,第k对(k≤p≤q)典型变量是Uk=akTX和Vk=bkTY,其中Uk,Vk具有单位方差,且与前k-1对典型变量中的每个Ui,Vi(i=1,2,…,k-1)均不相关,在此条件下并使Uk,Vk的相关系数达到最大. 我们称第k对典型变量间的相关系数为第k个典型相关系数. 利用矩阵平方根的概念,可得出如下定理. 其典型相关系数为 定理2.2.1 X=(X1,X2,…,Xp)T ,Y =(Y1,Y2,…,Yq) T,Var(X) =Σ11, Var(Y)=Σ22,Cov(X,Y)=Σ12,其中Σ11和Σ22均为满秩阵且p≤q.则X,Y的第k对典型变量为 其中 为p阶矩阵A的特征值 e1,e2,…,ep为相应的正交单位化特征向量 f1,f2,…,fp为q阶矩阵B的对应于前p个最大特征值的正交单位化特征向量. 并且可以得到典型变量Uk和Vk(k=1,2,…,p)有如下性质: 对X和Y的各分量进行标准化,得 其中 其中ρ11,ρ