第11部分判别分析.ppt

第十一章 判别分析的基本思想 判别分析是多元统计分析中用于判别样品所属类型的一种统计分析方法，是一种在已知研究对象用某种方法分成若干类的情况下，确定样品所属类别的方法。例如，在医疗诊断中，医生根据体温，脉搏，心率，白血球等多种指标，来判别此人患哪种病。 判别分析的特点 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类别。 判别分析的分类 按判别准则的不同： 距离判别 贝叶斯判别 费希尔判别 在判别分析中，需要解决的问题 判别准则和判别函数的确立。 判别准则用于衡量样品与各已知组别的接近程度。常用的有距离准则，费希尔准则，贝叶斯准则。 判别函数是基于一定判别准则计算出的用于衡量样品与各已知组别的接近程度的函数式或描述指标。 判别分析法的基本要求： 分组类型在两组以上 第一阶段时每组的元素规模必须在一个以上 解释变量必须是可测量的。 判别分析的假设前提： 第一节 距离判别的最直观的想法是计算样品到第i类总体的距离，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。 马氏距离的定义： 设总体G为m元总体（考察m个指标），均值向量为