主成分向量的协方差矩阵其中.ppt

* Bayes判别的基本思想 基本思想：假定对所研究的对象(总体)在抽样前已有一定的认识，常用先验分布来描述这种认识，然后基于抽取的样本对先验知识作修正，得到后验分布。根据后验分布，得到判别规则，这就是Bayes判别。 Bayes判别时，要考虑误判引起的损失(具体见后面内容)。 * 两个总体的Bayes判别 (I) 一般讨论： 假设两个p元总体 . 它们分别具有概率密度函数 . 设 出现的先验概率为 其中 . 注：p元总体指的是该总体的对象具有p个属性，表示为 ，它的取值范围是 * 两个总体的Bayes判别 (II) 一个判别准则实质上是对空间 的一个划分，记为 与 ，并满足下列条件： 例如，在两个总体的距离判别中， 当 时，判 来自 当 是，判 来自 * 两个总体的Bayes判别(III) 的划分记为 . 它相当于一个判别准则R. 在判别准则R下，将来自 的样品误认为 的概率是 而将来自G2的样品误认为G1的概率是 设将 误判为 的损失是 ，而将 误判 为 的损失是 . Bayes判别即寻求 ，使得平均误判损失达到最小。 小 结 介绍了距离判别法、Fisher典判方法; 简单地介绍了Bayes判别法； 介绍了判别优良的逐个回代法和交叉确认法。 作业 237页9，10题 因子输出结果 第一公因子F1表示为先进装备制造业的经济效益水平，因为在工业成本费用利用率、工业增加值率的载荷值相对于其他指标比较高。 公因子F2表示为环境对于先进装备制造业的影响水平。主要通过废气排放指数、废水排放指数在F2上的载荷值来体现出来的。 公因子F3表示为先进装备制造业的科技创新水平。F3在RD人均费用，RD研发人员比例上载荷值比较高。 小 结 介绍了两种重要的多元分析方法：主成分分析方法和因子分析方法； 主成分分析方法主要是数据降维，因子分析是去找到一些主因子去解释数据的特点； 两种方法有联系也有区别。 作业：236页4，6题 * 6.4判别分析 * 判别分析的基本思想及意义 若研究对象用某种方法已划分为若干类型。当得到一个新的样品数据（通常是多元的），要确定该样品属于已知类型中哪一类，这类问题属于判别分析。 质量等级 天气预报 地质勘探－矿物类型 营销数据 金融市场风险 医学诊断等 * 判别分析的基本思想及意义 设有 个总体 ，它们都是 元总体，其数量指标是 设总体 的分布函数是 通常是连续型总体，即 具有概率密度 对于任一新样品数据 要判断它来自哪一个总体 。 * 判别分析的基本思想及意义 通常各个总体 的分布是未知的，由从各个总体取得的样本（训练样本）来估计。一般，先估计各个总体的均值向量与协方差矩阵。 从统计学的角度，要求判别准则在某种准则下是最优的，例如错判的概率最小等。 根据不同的判别准则，有不同的判别方法，这里主要介绍距离判别和Bayes判别。 * 两个总体的距离判别 对于 元空间中的两个点： 最常见的是欧氏距离，其平方和距离是 而欧氏距离是 * 两个总体的距离判别 设有两个一元总体 与 。有一个样品，其值在A处。问：A点离哪个总体较 “近”？ 从绝对长度来看， 从统计学的观点看， * 两个总体的距离判别 因此，对一元总体，样本点 距一元正态总体 的马氏平方距离是 即使总体非正态，而其均值为 ，标准差为 ，其马氏平方距离也可用上式度量。推广到多元总体的情况，马氏距离应该如下定义：