6判别分析46学时.ppt

判 别 分 析 距离判别 贝叶斯判别 逐步判别 典型判别 例 中小企业的破产模型 为了研究中小企业的破产模型，选定4个经济指标： X1总负债率（现金收益/总负债） X2收益性指标（纯收入/总财产） X3短期支付能力（流动资产/流动负债） X4生产效率性指标（流动资产/纯销售额） 对17个破产企业（1类）和21个正常运行企业（2类）进行了调查，得如下资料： 判别分析利用已知类别的样本培训模型，为未知样本判类的一种统计方法。 它产生于20世纪30年代。近年来，在自然科学、社会学及经济管理学科中都有广泛的应用。 判别分析的特点是根据已掌握的、历史上每个类别的若干样本的数据信息，总结出客观事物分类的规律性，建立判别公式和判别准则。然后，当遇到新的样本点时，只要根据总结出来的判别公式和判别准则，就能判别该样本点所属的类别。 §2 距离判别 （一）马氏距离 距离判别的最直观的想法是计算样品到第i类总体的平均数的距离，哪个距离最小就将它判归哪个总体，所以，我们首先考虑的是是否能够构造一个恰当的距离函数，通过样本与某类别之间距离的大小，判别其所属类别。 设 是从期望μ= 和方差阵Σ= 的总体G抽得的两个观测值，则称 马氏距离和欧式距离之间的差别 马氏距离有如下的特点： 3、若变量之间是相互无关的，则协方差矩阵为对角矩阵 例 在企业的考核中，可以根据企业的生产经营情况把企业分为优秀企业和一般企业。考核企业经营状况的指标有： 资金利润率=利润总额/资金占用总额 劳动生产率=总产值/职工平均人数 产品净值率=净产值/总产值 三个指标的均值向量和协方差矩阵如下。现有二个企业，观测值分别为 （7.8，39.1，9.6）和（8.1，34.2，6.9），问这两个企业应该属于哪一类？ proc iml; sigma={68.39 40.24 21.41, 40.24 54.58 11.67, 21.41 11.67 7.90}; mu1={13.5, 40.7, 10.7}; mu2={5.4, 29.8, 6.2}; mu=(mu1+mu2)/2; arfa=inv(sigma)*(mu1-mu2); c=t(arfa)*mu; print arfa c; The SAS System 06:41 Friday, March 26, 2009 1 ARFA C -0.605808 18.73596 0.2536159 1.8367908 data g1; input x1-x4 class$; cards; 数据行省略 ; proc corr data=g1 csscp cov; data g2; input x1-x4 class$; cards; 数据行省略 ; proc corr data=g2 csscp cov; run; proc iml; csscp1={0.88258 0.56953 0.68987 0.08295, 0.56953 0.42006 0.52040 0.06883, 0.68987 0.52040 3.28607 0.65563, 0.08295 0.06883 0.65563 0.89158}; mean1={-0.06905, -0.08143, 1.36667, 0.43762}; csscp2={ 1.12922 0.2