大数据数学基础第6章 多元统计分析（1） (2).ppt

回归系数通常使用极大似然估计。由于 y 是均值为 的0-1型分布，概率函数为 , 。y 的概率函数合写为(式6-23)。 (式6-23) 用极大似然估计法计算 的估计值 。代回(式6?24)所示的Logistic函数中得(式6?24)，即可求出要估计的 p的概率 。 (式6-24) Logistic 2.参数估计 对回归系数进行显著性检验时，可以使用 z 检验。原假设和备择假设如(式6?25)所示。 (式6-25) 构造 z 检验的统计量，如(式6?26)所示。 (式6-26) 在显著性水平 下，当 时，拒绝原假设 ；当 时，接收原假设 。 Logistic回归 3.z检验 目录 聚类分析是一类将数据所对应的研究对象进行分类的统计方法。这一类方法的共同特点是：事先不知道类别的个数与结构；据进行分析的数据是对象之间的相似性或相异性的数据，将这些数据看成是对象的“距离”远近的一种度量，将距离近的对象归入一类，不同类之间的对象距离较远。 聚类分析的类别： Q型聚类分析 R型聚类分析 Q型聚类是指对样本的聚类，R型聚类是指对变量的聚类。 聚类分析 在进行聚类时，可使用的方法有很多，而这些方法的选择往往与变量的类型有关。通常变量按测量尺度的不同可以分为以下3类。 间隔变量。变量用连续的量来表示，如长度、重量、温度等。 有序变量。变量度量时不用明确的数量表示，而是用等级来表示，如某产品分为一等品、二等品、三等品等有次序关系。 名义变量。变量用一些类表示，这些类之间既无等级关系也无数量关系，如性别、职业、产品的型号等。 对于间隔变量，距离常用来度量样本之间的相似性，而相似系数常用来度量变量之间的相似性。此外，相似系数也常用来度量伴有有序或名义变量的样本之间的相似性。 距离与相似系数 设 和 为两个样本，则所定义的距离一般应满足以下3个条件。 非负性： ， 当且仅当 。 对称性： 。 三角不等式： 。 聚类过程中，相距较近的样本点倾向于归为一类，相距较远的样本点应归属不同的类。最常用的有如下几种。 （1）Minkowski距离，如(式6?27)所示，其中 。 (式6-27) 距离与相似系数 1.距离 对 ，(式6?27)有以下3种特殊形式。 当 时， ，称为绝对值距离（Manhattan distance），常被称作“城市街区”距离。 当 时， 。这是欧氏距离（Euclidean distance），是聚类分析中最常用的一种距离。 当 时， ，称为切比雪夫距离（Chebys