数理统计第六部分.pptVIP

第六章：多元统计分析简 介 多元分析(Multivariate Analyses)是多变量的统计分析方法。主要方法有： 1）聚类分析（分类与组合） 2）主成分分析（数据化简） 3）相关分析（研究变量之间的依赖关系） 4）判别分析*（根据已有的数据特征，对待判数据进行判断） 例 1）如何区分发达与不发达地区？ 2）对高校的排名； 某市城镇居民的收入数据（2001年）： x1:职工标准工资收入；x2: 奖金；x3: 津贴； x4: 其它收入；x5: 性别；x6: 就业身份，x7：文化程度。 聚类分析 将“相似”的样本或指标进行分类。(定量) 聚类分析 样本的相似性度量 样本的相似性度量 指标的相似性度量 类与类间的相似性度量 系统聚类法 系统聚类法 系统聚类法 主成分分析 主成分分析 主成分分析 主成分分析 第6章 复习概要 1、在聚类分析中用什么函数来度量指标变量(样本)间的相似程度？ 2、为什么通常数据要进行标准化？写出标准化的公式； 3、主成分分析的主要目的是什么？ 4、试述主成分分析的计算步骤。 研究生《数理统计》课程 分类 评价 集体 集体 国有 集体 国有 集体 国有 集体 国有 集体 国有 x6 高中 男 39 201 215 1101 大学 男 67 179 102 1209 高中 女 0 298 88 1012 大学 女 0 96 110 1110 研究生 女 0 300 0 1326 大学 男 156 147 569 1080 大学 男 0 400 419 1723 高中 男 0 96 0 1008 高中 女 0 270 300 1236 中学 女 0 96 125 1137 小学 男 0 0 0 540 x7 x5 x4 x3 x2 x1 间隔尺度、有序尺度、名义尺度。 数据矩阵(结构) 第2列向量 第n行向量 Feature 1 Feature 2 A类 B类 待判数据点 怎样刻画点之间、类之间的“相似”？ (xi1, xi2) 两点间的距离函数d(. , .): Ω×Ω→R+，满足性质： 最常用的是Minkowski距离： 当q=1，2或q→+∞时，则分别得到如下距离： 注意：采用距离时，变量x和y要采用相同量纲. 协方差矩阵 1）指标yj与yk之间的相关系数 2）指标yj与yk之间的夹角余弦 yj yk 矩阵：R=（rjk）,p×p阶矩阵 性质：① |rjk|≤1； ② rjk = rkj ； （对称性） ③ |rjk|→1， xj与xk相似强； ④ |rjk|→0， xj与xk相似弱； 如果有两个样本类G1和G2，定义如下距离： 基本思想 1）计算n个样本之间的距离{dij}, 记为矩阵D=(dij); 2）合并距离最近的两类为新类，并以两类间的距离值作为聚类图中的平台高度；（类距离也取最小！） 3）计算新类与当前各类的距离，若类的个数为1，则画聚类图，否则重复2）。 聚类图 对十种品牌的家用小轿车调查了303户家庭，这些家庭对这十种类型的汽车的偏爱程度进行打分（满分为10分）。需分析哪些人群偏爱什么样的小轿车？哪些小轿车的性价比能得到绝大多数人的公认？ 4 7 4 x8 4 8 7 x9 … … 4 7 2 3 6 3 2 8 3 5 6 1 4 6 3 7 8 2 7 4 5 4 8 1 8 6 1 x10 x7 x6 x5 x4 x3 x2 x1 序号 数据表（n=303） 例 计算相似性系数矩阵：（对指标进行分类） 1 -0.1704 1 0.2023 0.0028 1 0.0587 0.1737 -0.0116 1 0.2993 -0.0335 -0.0195 0.0651 1 0.1201 0.0107 0.0096 0.2355 0.1631 1 0.0764 -0.0274 -0.037 -0.1647 0.0626 -0.1582 1 0.0262 -0.0019 0.019 0.2403 0.2012 0.4466 -0.1212 1 0.0284 -0.0526 -0.0756 -0.2079 0.0757 0.0049 0.484 -0.0445 1 -0.1554 0.1856 0.0818 0.3502 -0.0583 0.0627 0.0802 0.0662 -0.1035 1 x10 x9 x8 x7 x6 x5 x4 x3 x2 x1 按指标进行分类，分成3类: 4 6 5 6 2 5 5 4 5 7 平均分数 10 9 8 7 6 5 4 3 2 1 车类型 1、基本思想 用较少的变量去解释原来资料中的绝大部分变量。