7个径赛项目上的女子纪录的主成分分析处理.docxVIP

PAGE PAGE # 7个径赛项目上的女子纪录的主成分分析处理(总11页) -CAL-FENGHAI.-(YICAI)Company One 1 ■CAL■本页仅作为文档封面.使用请直接删除 7个径赛项目上的女子纪录的主成分分析处理 摘 要 本文通过主成分分析的相关方法，建立了评价55个国家和地区1984年 前在7个径赛项目上的女子纪录的数学模型。 针对前两个问题，通过求解样本相关矩阵，再根据主成分分析的相关方 法，利用MATLAB软件求得样本相关矩阵的特征值和相应正交单位化特征向量。 针对第三个问题，山第二个的求解结果进行相关的分析，确定两个主成分 的具体意义。第一主成分反应了各国家和地区的运动员的优秀程度；第二主成 分反映了各国家和地区在短跑和长跑项目上的相对实力。 针对笫四个问题，III前两个问题的求解结果，然后基于第一样本主成分的 得分对各国家和地区排序，得出的结果与从原始数据中得到的直观看法基本吻 合。 最后本文针对两种不同方式得出结果的差异性进行了分析。 关键词主成分分析；相关矩阵；贡献率；第一样本主成分 一、问题重述 在实际问题的研究中，往往会涉及众多有关的变量。但是变量太多不但会 增加计算的复杂性，而且也给合理的分析问题和解释问题带来了困难，一般来 说每个变量所提供的信息在一定程度上有所重叠，因而人们希望用为数较少的 互不相关的新变量来反映原变量所提供的绝大部分信息，通过对新变量的分析 达到解决问题的LI的，主成分分析便是在这种降维的思想下产生的处理高维数 据的方法([l])o 现请分析下表有关世界上55个国家和地区1984年前在7个径赛项目上的 女子纪录数据(见附录)，解决如下问题： 求其样本相关矩阵R及它的特征值和相应正交单位化特征向量。 求前两个标准化样本主成分及其累计贡献率。 解释(2)中的两个主成分的意义。 基于第一样本主成分的得分对各国家和地区排疗;，这与你从原始数据中得到 的直观看法是否基本吻合？ 二、 问题分析 分析问题可知，文中所给数据较多，首先要合理使用MATLAB软件对数据进 行处理；要求解文中问题，主要基于主成分分析法的相关方法。 山文中数据可知，所给的七个变量有着不同的量纲，这会引起各变量取值 的分散程度差异较大。若用协方差矩阵求主成分，则优先照顾了方差大的变 量，会造成很不合理的结果，为了消除III于量纲的不同可能带来的影响，故采 用变量标准化的方法，即用相关矩阵求解。 对于前两个问题，可直接使用MATLAB中的相关函数进行求解。求解结果可 用表格表示。 对于笫三个问题，需要利用笫二个问题求解出的第一主成分和笫二主成分 的表达式进行具体分析。 对于第四个问题，要先求各国家和地区的第一样本主成分的得分，然后再 根据得分的高低具体分析。 最后针对文中的求解过程与求解结果，讨论模型的不足之处与需要改进的 方法。 三、 模型假设 假设题中所给数据均准确有效。 四、符号表示 符号 含义 S R 儿 A A 入 5 样本协方差矩阵 样本相关矩阵 主成分(/ = 1,2,3--7) 特征值(/ = 1,2,3--7) 标准化特征向量(/ = 1,2,3-7) 第i个主成分的贡献率(心123…7) 五、模型建立与求解 本文运用主成分分析法对高维数据进行了降维处理，其间通过求解样本的 协方差矩阵与相关矩阵来分析主成分，期望通过较少的变量来反映样本数据的 绝大部分信息，假设当主成分的累计贡献率达到80%时，即视为满足了提取原 数据中绝大部分信息的要求。模型建立与求解如下： 模型建立 第i个观测数据记作设(xpx2,-,xj是”元总体，从中取得样本数据： 第i个观测数据记作 称为样品，引进样本数据观测矩阵 X11 X2\ 兀22 它是pxn矩阵，它的〃个列即是〃个样品九心,…心,它们组成来自元总体 的样本。观测矩阵X的卩个行变量分别是p个变量 X\X …、Xp 在川次试验中所取得的值。样本协方差矩阵及相关矩阵分别为 R =(?) R =(?) 其中 J = 兀=一力心，J = 12 n ?-i 1 ” r % =— 为（几一E）（兀一耳）i?j =、2…、P 11 一1 /-I 利用S和R求得的样本组成分有下述结论： 设S = gp“是样本协方差矩阵，其特征值为^A22p0,相应的 正交单位化向量为占鸟，…尙，这里￡=?，右2,…吊卩，则第「个样本主成分为 X = 、=占內 + ei2x2 + …+ 錦心, i = 1,2,…，p 其中x = 6‘2,…,亏丿为的X的任一观测值。当依次代入X的“个观测值 兀=（心,叫2,1%丿仗=1,2,-,“）时，便得到第i个样本主成分儿的”个观测值 坯伙=1,2,…丿）,此即为第i个主成分的得分。 为消除量纲的影响，我们可以对样本进行标准化，即令 则标