应用多元统计分析全套ppt课件最全电子教案完整版教学教程整套全书课件ppt.pptx

第1章 绪 论;; 例1.1 考察学生的学习情况时，需要了解学生在几个主要科目的学习成绩，等等。表1.1给出20名中学生5门主课期末考试成绩。我们希望根据表1.1提供的数据对这20名学生的学习情况进行评价。; 如果用一元统计方法，需要对各门课程成绩分别分析。这样处理，由于忽视了课程之间可能存在的相关性，因此会丢失许多信息，分析的结果不能客观全面地反映学生的真实学习情况。 如果采用多元分析方法，可以同时对多门课程的成绩进行综合分析，给出比较客观和全面的分析结果。; ??元统计分析的内容和方法主要有以下几个方面。 1. 多元统计理论基础 包括多维随机向量，特别是多维正态随机向量，以及由此定义的各种统计量的分布及其性质，多元统计分布理论。 2. 多元统计推断 包括多元正态总体的参数估计和假设检验问题，特别是均值向量和协方差阵的估计和假设检验等问题。 3. 变量之间的相互关系 (1) 多元回归分析：分析变量之间的因果关系,建立一个变量或几个变量与另一些变量的定量关系式,并用于预测或控制。(2) 典型相关分析：分析两组变量之间的相关关系。 ; 4. 分类与判别问题 (1) 判别分析：根据观测到的样品数据(训练样本)，按相似程度大小对所考察的样品或变量进行分类(归类)，常称其为“有监督的分类问题”。(2) 聚类分析：对观测到的数据，按相似程度大小对样品或变量进行分类。常称其为“无监督的分类问题”。 5. 简化数据结构(降维问题) 将高维数据降为低维数据,使数据结构得到有效简化,并在此基础上分析变量之间或样品之间的复杂关系。这类问题的统计方法包括主成分分析、因子分析以及对应分析，等等。 ; 多元统计分析起源于20世纪初，1928年Wishart发表的一篇论文《多元正态总体样本协方差阵的精确分布》被公认为是多元统计的开端。之后Fisher、Hotelling、Roy和许宝騄等著名统计学家的开创性工作，使多元统计分析在理论上得到了迅速发展，并在许多领域得到实际应用。但是，由于使用多元统计方法解决实际问题时需要的计算量很大，使其发展受到一定限制。; 到了20世纪中后期，随着电子计算机的出现和发展，使得多元统计分析方法在自然科学和社会科学的许多领域得到广泛的应用，并由此带来其理论的进一步发展。另一方面，不断提出一些新理论、方法和技术，又促使其应用范围进一步扩大。21世纪初，随着现代信息技术的高速发展和广泛应用，人类进入了大数据时代。; 海量数据和超高维数据的大量涌现，对统计理论、方法和技术的发展提出新的挑战。近年来，我国学者在多元统计分析的理论研究和应用方面取得了显著成绩，有不少研究工作已达到国际领先水平，并形成许多高水平的科研团队，活跃在各个领域。; 1.2 多元数据的直观表示;内容与要求;多元数据的直观表示;多元数据的直观表示;; 均值条图; 均值条图; 箱线图; 箱尾图; 星相图;星相图; 星相图;#加载aplpack包 library(aplpack) #按每行7个做脸谱图 faces(X,ncol.plot=7) ;#加载mvstats包 library(mvstats) plot.andrews(X) ;####也可以直接从镜像站加载andrews包绘制调和曲线图 library(andrews) andrews(X,type=3,clr=5,ymax=3); 第2章 多元正态抽样分布; 在多元统计分析中，多元正态分布占有相当重要的地位。这是因为，许多实际问题涉及到的随机向量服从正态分布或近似服从正态分布；当样本量很大时，许多统计量的极限分布往往和正态分布有关。此外，对多元正态分布，理论与实践都比较成熟，已有一整套行之有效的统计推断方法。 基于这些理由，我们在介绍多元统计分析的种种具体方法之前，首先介绍多元正态分布的定义、性质及多元正态分布中参数的估计问题。; 多元统计分析讨论的是多变量总体。以p个随机变量作为分量构成的向量 称为p维随机向量。如果我们同时对p个变量作一次观测，得到观测值 ，它是一个样品。如果我们观察n次得到n个样品品 ，而n个样品就构成一个样本。; 常把n个样品排成一个n×p矩阵，称为样本数据矩阵（或样本资料阵），记为 ;均值向量和协方差阵 设 是一个随机向量。称向量 为随机向量X 的均值向量。称矩阵 为随机向量X 的协方差矩阵，其中 。;均值向量和协方差阵 设 是另一个随机向量。称矩阵 为随机向量X 与Y 的协方差矩阵，其中;均值向