应用多元分析第7章主成分分析PPT课件.ppt

计划学时： 4学时 教学课型： 理论课 教学目的与要求：理解主成分的概念，掌握主成分分析 的基本方法 教学重点：主成分分析的方法 教学难点：主成分分析的方法 教学方法、手段与媒介：根据教材用多媒体课件课堂讲授 教学过程与内容：; 主成分概念首先由 Karl Parson在1901年引进，当时只对非随机变量来讨论的。1933年Hotelling将这个概念推广到随机变量。;主成分分析是考察多个数值变量间相关性的一种多元统计方法，它是研究如何通过少数几个主成分来解释多变量的方差—协方差结构。 导出几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间不相关。;一、主成分分析的基本思想;Principal component in 2d;二、几何解释;旋转变换的目的是为了使得n个样本点在y1轴方向上的离散程度最大，即y1的方差最大，变量y1代表了原始数据的绝大部分信息，在研究某经济问题时，即使不考虑变量y2也损失不多的信息。;推广开来，对于p维总体 ，寻求正交变 换 ，使得;三、主成分分析的数学原理;如果z1=u1’x满足 ;§7.2 总体的主成分;二、主成分的性质; 2、主成分的总方差 ;3、原始变量 与主成分 的相关系数;4、m个主成分对原始变量的贡献率;其特征值为; 0.000 0.855 0.000 0.996 1.000 1.000;Proc iml; X={1 -2 0, -2 5 0, 0 0 2}; Val=eigval(x); Vec=eigvec(x); D=1:2; B=(val)[d,1]; c=(vec)[,d]; F1=(sqrt(inv(diag(X)))*vec*sqrt(diag(val)))[,d]; F2=(f1#f1)[,1]; F=diag(c*diag(b)*t(c))*inv(diag(x))*j(3,1); Print val vec b c f1 f2 f;; VAL VEC B C 5.8284271 -0.382683 0 0.9238795 5.8284271 -0.382683 0 2 0.9238795 0 0.3826834 2 0.9238795 0 0.1715729 0 1 0 0 1 F1 F2 F -0.92388 0 0.8535534 0.8535534 0.9974842 0 0.9949747 0.9949747 0 1 0 1;Data w(type=cov); Input x1 x2 x3; Cards; 1 -2 0 -2 5 0 0 0 2 ; Proc princomp cov; Run;; The PRINCOMP Procedure Observations 10000 Variables 3