Fisher判别法距离判别法Bayes判别法逐步判别法.PPTVIP

办公室新来了一个雇员小王，小王是好人还是坏人大家都在猜测。按人们主观意识，一个人是好人或坏人的概率均为0.5。坏人总是要做坏事，好人总是做好事，偶尔也会做一件坏事，一般好人做好事的概率为0.9，坏人做好事的概率为0.2，一天，小王做了一件好事，小王是好人的概率有多大，你现在把小王判为何种人。。 二、 考虑错判损失的Bayes判别分析 【定义】（平均错判损失函数） 对G1、G2的(p+q)个点的判别函数值取总体的平均值： 显然，?值是两类点的判别函数值的加权平均，处于两类判别函数平均值之间，也等价于两类点的总体几何中心的判别函数值。因此，将判别值C取为?值： Fisher线性判别的应用举例 x1 x2 2 4 5 9 2 6 9 8 1 6 6 7 1 5 2 6 1 6 3 5 2 6 8 4 2 8 7 3 2 3 4 2 1 7 5 1 类别 x2 x1 样本序号 Discriminant analysis §4.5 变量选择和逐步判别 变量的选择是判别分析中的一个重要的问题，变量选择是否恰当，是判别分析效果有列的关键。如果在某个判别问题中，将起最重要的变量忽略了，相应的判别函数的效果一定不好。而另一方面，如果判别变量个数太多，计算量必然大，回影响估计的精度。特别当引入了一些判别能力不强的变量时，还会严重地影响判别的效果。 中小企业的破产模型 为了研究中小企业的破产模型，首先选定了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）和X4生产效率性指标（流动资产/纯销售额）4个经济指标，对17个破产企业为“1”和21个正常运行企业“2”进行了调查，得资料如下。如果这些指标是用来做判别分析和聚类分析的变量，他们之间没有显著性差异是不恰当的，所以检验所选择的指标在不同类型企业之间是否有显著的差异。 x1,x2,x3,x4均为判别变量 x1, x3为判别变量 Dependent Variable: x1 （对X1进行的检验） Sum of Source DF Squares Mean Square F Value Pr F ? Model 1 0 0 16.90 0.0002 ? Error 36 1 0? Corrected Total 37 2 X1在类间有显著性差异。 Dependent Variable: x2 （对X2进行的检验） ? Sum of Source DF Squares Mean Square F Value Pr F ? Model 1 0 0 1.95 0.1710 ? Error 36 1 0? Corrected Total 37 1X2在类间没有显著性差异。 Dependent Variable: x3（对X3进行的检验） ? Sum of Source DF Squares Mean Square F Value Pr F ? Model 1 16 16 21.45 .0001 ? Error 36 27 0.76