多元统计分析及R语言建模（第五版）——第6章判别分析课后习题.pdfVIP

多元统计分析及R语⾔建模（第五版）——第6章判别分析课后习题第6章判别分析 ⽂章会⽤到的数据请在这个⽹址下下载 练习题 1）考虑两个数据集x1 = [3 7 2 4 4 7] ，x2 = [6 9 5 7 4 8] （1）计算Fisher线性判别函数 library(MASS) library(openxlsx) x1 = c(3,2,4,6,5,4) x2 = c(7,4,7,9,7,8) y = c(1,1,1,2,2,2) (data1 = data.frame(x1,x2,y)) plot(data1[,-3]) text(x1,x2,y,adj =-0.5) x1_bar = data1[1:3,-3] x1_bar x2_bar = data1[4:6,-3] x2_bar (x1_mean = apply(x1_bar,2,mean)) (x2_mean = apply(x2_bar,2,mean)) Sp = matrix(c(1,1,1,2),ncol =2) Sp_re = solve(Sp) (2* cov(x1_bar)+2* cov(x2_bar))/4 #a = t(x1_mean - x2_mean)%*%Sp_re #a⽤公式求判别直线 fy - lda(y ~.,data = data1) fy table(predict(fy)$ class,data1 $ y) #Fisher判别曲线是x1轴，有2个不同类别的点的投影是重合的 #判别这两个点的类别是会随机的 (2)⽤Bayes准则，在相同先验概率和相同代价下将观测值x0` = (2,7)分类到总体G1或G2。 predict(fy,data.frame(x1 =2,x2 =7))$ class Bayes准则，在相同先验概率和相同代价下将观测值x0` = (2,7)分类到总体G1 2）设n1 = 11个和n2 = 12个观测值分别取⾃两个随机变量X1和X2 ，假定这两个变量服从⼆元正态分布， 且有相同的协⽅差矩阵为：…。 (1)构造样本的Fisher线性判别函数 x1_bar = rep(-1,2) x2_bar = c(2,1) S_p = matrix(c(7.3,-1.1,-1.1,4.8),ncol =2) solve(S_p) a = t(x1_bar - x2_bar)%*%solve(S_p) a 判别函数为y = -0.4906887 x1 - 0.5291162 x2 （2）将观测值x0` = （0 ，1）分配到总体G1或G2 （假定有等代价和等先验概率） (y1_bar = a %*% x1_bar) (y2_bar = a %*% x2_bar) x_0 = c(0,1) y_0 = a %*% x_0 y1_bar y2_bar y_0 =(y2_bar + y1_bar)/2 c(y1_bar,y2_bar,y_0)#距离哪个中⼼更近，被判为哪⼀类 因为y2_bar距离中⼼更近，所以观测值属于G2 3）以舒张期⾎压和⾎浆胆固醇含量预测被检查者是否患冠⼼病。测得15名冠⼼病⼈和16名健康⼈的舒 张压x1(mmHg)及⾎浆胆固醇含量x2(mg/dl),…。 (1)对每⼀组数据⽤不同的符号，作两变量的散点图，观察它们在平⾯上的散布情况，该组数据做判别分 析是否合适？ library(openxlsx) d6.3= read.xlsx(mvexer5.xlsx,sheet =E6.3,colNames = T) head(d6.3) attach(d6.3) plot(x1,x2)#绘制散点图 text(x1,x2,Y,adj =-0.5)#标记处途中原始点 由上图可知，该组数据适合做判别分析 （2）分别建⽴距离判别（等⽅差阵和不等⽅差阵）、Fisher判别和Bayes判别分析模型，计算各⾃的判别 符合率，确定哪种判别⽅法最恰当。 library(MASS)#距离判别模型 qda_1 = qda(Y ~ x1 + x2) qda_1 #距离判别符合率 pre1 = predict(qda_1) Y5 = pre1$class tab1 = table(Y,Y5) tab1 sum(diag(prop.table(tab1))) #Fisher判别分析 lda_1 = lda(Y ~ x1 + x2) lda_1 #Fisher判别符合率 pre2 = predict(lda_1) Y6 = pre2$class tab2