- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
主成分适应分析杨
主成分分析 Principal Component Analysis 什么是主成分分析 主成分分析是一种把多个指标综合为少数几个指标的统计方法。 主成分分析的功能 简化数据,或者叫降维。 揭示变量之间的关系。 进行统计解释。 主成分分析的应用例子 一项十分著名的工作是美国的统计学家斯通(stone)在1947年关于国民经济的研究。他曾利用美国1929一1938年各年的数据,得到了17个反映国民收入与支出的变量要素,例如雇主补贴、消费资料和生产资料、纯公共支出、净增库存、股息、利息外贸平衡等等。 主成分分析的应用例子 在进行主成分分析后,竟以97.4%的精度,用三新变量就取代了原17个变量。根据经济学知识,斯通给这三个新变量分别命名为总收入F1、总收入变化率F2和经济发展或衰退的趋势F3。更有意思的是,这三个变量其实都是可以直接测量的。斯通将他得到的主成分与实际测量的总收入I、总收入变化率 以及时间t因素做相关分析,得到下表: 1 总体主成分 假设我们所讨论的实际问题中,有p个指标,我们把这p个指标看作p个随机变量,记为X1,X2,…,Xp,它们组成一个随机向量,记为: 向量的协方差矩阵 一般向量的协方差矩阵 设 是一个随机向量,若 和 的协方差 存在,则 的协方差矩阵为: 总体主成分的定义 考虑这P个随机变量的特殊的线性组合: 总体主成分的定义 令 , …, 总体主成分的定义 将这个线性组合表示为: 且 为协方差矩阵 的第 个特征根 对应的单位正交特征向量, 称 为 的第 个(总体)主成分。 总体主成分的定义 所谓单位正交特征向量是指 总体主成分的性质 (1)主成分之间不相关。可计算 (2) 达到最大的单位向量。且可计算 总体主成分的性质 (3)主成分组成的随机向量记为: 则 其中 即A为特征向量 组成的矩阵 且为正交阵: 还有,Z的协方差阵为对角矩阵: 总体主成分的性质 (4)系统总方差不变,即 这样,存在m(mp)使 即原始变量提供的总信息(总方差)可用前m个主成分所提供的信息来近似。 主成分的贡献率 在误差容许的范围内,可挑选合适的m (mp),用个m主成分代替p个原始变量,就会达到降维的目的。 我们称 为主成分 的贡献率。 称 为主成分 的累积贡献率。 注:通常取使累积贡献率达到75%以上的m个主成分就可以了。 总体主成分的性质 主成分与原始变量的相关系数: 称 为因子载荷量,全部因子载荷量组成一个方阵叫因子载荷矩阵。 总体主成分的性质 (5)因子载荷矩阵各行之平方和: (6)因子载荷矩阵各列之加权平方和: 另一种贡献率 前m个主成分对某原始变量 的贡献率: 注:两种贡献率不同。 主成分的两个例子 例1 设随机向量的协方差矩阵为: 试求主成分。 主成分的两个例子 例2 设随机向量的协方差矩阵为: 试求主成分及贡献率。 2 标准化变量的主成分 原始变量的计量单位改变之后,可能导致主成分发生变化,因此有必要标准化:将 标准化为 计算公式为 标准化变量的主成分 标准化的随机向量 的协方差矩阵与原始随即向量 的相关矩阵相等: 所以,可由相关阵出发求出 的主成分。 标准化变量主成分的性质 (1)系统的总信息量为: (2)相关系数为: 标准化后的因子载荷矩阵为: 标准化后的因子载荷矩阵 标准化变量主成分的例子 例3 设 的协方差矩阵 和相关矩阵 分别为: 对比其主成分。 3 样本主成分 在实际问题中,总体随机变量的协方差矩阵和相关矩阵都是未知的,需要抽样估计,这样就得到了样本主成分。 假设对 的第一次观测得到 第二次观测得到 一般地,第t次观测得到 各次观测值也叫样品。 样本数据矩阵 共有 个数据,用一个样本数据矩阵 表示: 样本主成分 由此可以计算样本均值 ,样本协方差矩阵 ,样本相关矩阵 等。可以利用样本相关矩阵 求得标准化变量的样本主
您可能关注的文档
最近下载
- 内审检查表-管理层(42061、13485).doc VIP
- 2.1.2 植物 第1课时 苔藓植物和蕨类植物(教学课件)生物冀少版2024七年级上册.pptx VIP
- 国开(电大)本科《管理英语4》形考任务(单元自测1至8)试题及答案.docx VIP
- 中医康复护理临床实践新进展题库及答案-2025年华医网继续教育.docx VIP
- 屋面设备基础施工深化要点.docx VIP
- DB42∕T 2308-2024 绿色建筑检测技术标准.pdf
- 宏盛微半导体ME6261_C3.0.pdf VIP
- 污水处理系统员工培训手册_.docx VIP
- 机械工程控制基础课件.pptx VIP
- 天津华宁KTC101系统说明书.pdf VIP
文档评论(0)