第九章典型相关分析.pptVIP

第九章 典型相关分析 一、引言 二、直观解释与基本算法 三、案例9 9.1 引言 我们可以将生产过程看作一个黑箱，通过研究投入产出之间的相关关系，来找出生产过程的内部机制，从而达到优化产生工艺的目的。见下图 9.2 直观解释与基本算法 9.3 案例9 案例9的数据由我系统计专业刘春林同学收集，意在分析本系男性大学生日常的生活行为与身体状况和学习成绩，两组变量之间的关系。部分数据见表9.3.1。 数据文件为dx.txt 我们可以用两种方法产生典型变量 1）利用协方差矩阵V 2）利用相关矩阵R 将上面的数据做成数据文件。典型相关程序如下： 9.4 习题 一、搜集适合典型相关的数据，例如从厂矿、科研单位等。然后进行典型相关分析 二、对学生数据进行典型相关分析 三、设计一个典型相关分析的实验界面，可以对原始数据或协方差矩阵或者相关矩阵进行典型相关分析。 * * 前面所讨论的方法都是对一组变量内部各变量之间相互关系进行分析，讨论。但实际问题中常常涉及到两组随机变量之间的关系，即 这里 我们要探讨X,Y之间的关系。 例9.1.1：香烟的制作过程，为得到高质量的卷烟，要对以下烟草指标进行配料实验。 X1：烟草等级 X2：发酵时间 …… Xp：香精量 进入加工系统并生产出成品烟卷，则对烟卷的质量有以下指标衡量。 Y1：烟丝颜色 Y2：香度 …… Yq：焦油含量 ? 显然X1,X2,……,Xp与Y1,Y2,……,Yq之间的关系是令人感兴趣的。如果能够找到某些Y确与X有一定的关系，我们就可以通过控制某些X来达到提高产品质量和降低成本的目的。 我们很容易举出类似的例子，如名酒的勾兑，两组天气指标的相关关系，生产系统的投入指标和产出指标关系等等。 X1 X2 X3 Y1 Y2 25 0 10 238 85 30 30 10 227 88 20 30 0 198 85 140 40 -15 263 94 130 30 -15 263 90 120 15 -10 267 70 70 30 0 242 84 10 40 30 194 91 10 10 5 150 75 70 30 0 237 87 130 20 0 253 78 15 10 20 221 65 80 10 5 242 70 100 10 -5 263 75 70 25 0 245 70 20 20 10 226 75 150 20 -10 269 75 30 10 10 234 80 20 50 20 225 85 200 20 -40 290 70 70 20 0 245 72 130 10 -50 247 78 140 30 -40 251 90 140 10 -40 250 65 140 25 0 273 78 100 30 -10 217 83 60 25 0 211 82 70 35 5 234 85 150 25 -5 287 77 X1: 平均学习时间 X2: 平均锻炼时间 X1: 平均起床过6:30时间 Y1: 平均专业课成绩 Y1: 平均体育课成绩 例9.1.2：设有我校某班31名学生，我们想研究他们在大学的学习、生活行为和他们的专业课成绩、体育课成绩有什么关系。两组数据的含义如下。（数据为学习本课程某学生采集） ???? （1）直观解释 还是