理学判别分析和聚类分析.pptxVIP

第1页/共58页第2页/共58页1.两总体的距离判别第3页/共58页第4页/共58页 总体的均植向量和协方差矩阵一般都是未知的，可以由样本均值和样本协方差矩阵分别进行估计. 第5页/共58页当p=1时，若两总体为正态总体，则两总体呈第6页/共58页第7页/共58页2.多总体距离判别第8页/共58页第9页/共58页贝叶斯(Bayes)判别 Bayes统计的思想：假定对研究的对象已有一定的认识，常用先验概率分布来描述这种认识，然后取得一个样本，用样本来修正已有的认识，即先验概率分布，得后验概率分布，各种统计推断都通过后验概率分布来进行. 将Bayes思想用于判别分析，就得到Bayes判别.第10页/共58页第11页/共58页典型判别和Fisher判别第12页/共58页用一元方差分析来检验取自各总体的样本之间的差异第13页/共58页第14页/共58页第15页/共58页第16页/共58页典型判别第17页/共58页Fisher判别第18页/共58页第19页/共58页检验判别是否有意义第20页/共58页对于多个总体的情况，可以将各个总体两两配对进行检验.第21页/共58页第22页/共58页逐步判别 如果在某个判别问题中，将其中最主要的变量忽略了，相应的判别函数的效果一定不好. 逐步判别法的基本思想: 每一小选择一个判别能力最显著的变量进入判别函数，而且每次在选入新的变量之后对已进入判别函数的变量逐个进行检验，如果某个变量因新变量的进入变得不显著时，就将这个变量移出判别函数，直到判别函数中仅保留有显著判别能力的变量. 当发现自变量判别能力有显著差异时，可以考虑选择这种判别方法. 通过逐步判别将判别能力显著的变量“筛选”出来，最立“最优”的判别函数.第23页/共58页具体步骤见下面的例子第24页/共58页第25页/共58页第26页/共58页第27页/共58页第28页/共58页判别准则的评价——误判概率第29页/共58页第30页/共58页SPSS实现命令 Analyze ? Classify ? Discriminant 打开discriminant Analysis(判别分析)对话框 1.选择一个分组变量移入Grouping Variable(分组变量)框中，单击被激活的Define Range(定义范围)按钮. (这是对训练样本的操作) 2.从源变量框中选择若干准备参与判别分析的数值型变量移入Independents(自变量)框中.选项: Enter Independents together 建立所选择的全部自变量的判 别式，这是系统默认的选项Use stepwise method 采用逐步判别法作判别分析 3. Select栏 如果希望使用一部分观测量进行判别函数的推导，而且有一个变量的某个值可以作为这些观测量的标识，则用Select功能进行选择.第31页/共58页5. Statistics按钮: 打开Statistics(统计量)对话框 Descriptives栏: Mean均值. 输出各组中的各自变量的均值、标准差和各自变量总样本的均值和标准差 Univariate ANOVA单变量方差分析. 对各组中同一自变量均值都相等的假设进行检验，输出单变量的方差分析结果 Box’s M 对各组的协方差矩阵相等的假设进行检验 Matrices栏: Within-groups correlation matrix组间相关矩阵 Within-groups covariance matrix组间协方差矩阵 Separate-groups covariance 对每一组分别计算协方差矩阵 Total covariance 总样本的协方差矩阵第32页/共58页 6. Method按钮 如果在主对话框中选择Use stepwise method选项，则Method按钮被激活，这时单击Method按钮，打开Stepwise Method(逐步判别法)对话框. Method栏 选择判别方法 Wilds’ lambda: 每步选择Wilks的λ统计量值最小的变量进入判别函数，此选项为系统默认. Display栏 Summary of steps: 显示每步选择变量之后各变量的统计量概述. 7. Classify按钮: 打开Classification(分类)对话框 Prior Probabilities(先验概率)栏 All groups equal: 各组先验概率相等，若分为m组，则各组的先验概率均为1/m. Compute from group sizes: 各组的先验概率与其样本量成正比.第33页/共58页Display栏: 选择输出项 Casewise results: 要求输出每个观测值的包括判别分数、实际组、预测组(根据