多元统计分析复习内容提要.pptxVIP

期末复习提要;第二章;特征值与特征向量;矩阵的特征值与特征向量;二次型;对称矩阵的谱分解定理;定理：A是正定矩阵 ? A的特征值均 0;随机向量和矩阵;随机向量的期望(均值向量);随机向量的协方差矩阵;相关矩阵与协方差矩阵;随机变量的线性组合的均值向量和协方差矩阵;第三章; 样本点与样本均值点;样本均值向量;样本协方差矩阵;样本协方差矩阵与样本相关系数矩阵;结论3.1;结论3.1;总方差;广义样本方差＝| S |;变量的线性组合及其样本值;第四章;多元正态密度函数;相关性与独立性;多元正态分布的性质;多元正态分布的性质;多元正态分布的性质;Cov(X1,X2)=0;多元正态分布的性质;结论：;定义：;结论;结论(中心极限定理) ;第五章;正态总体均值向量的检验 假设 H0: m=m0 ； H1: m?m0 ;2. 当S未知时，S的无偏估计为;;当S未知时，多元均值向量假设检验问题;T2的联合置信区间;总体均值向量的大样本推断;第七章;经典线性回归模型;假设;最小二乘估计;回归方程的拟合优度检验;若 FFa(p, n-r-1), 则拒绝假设 H0; 若 FFa(p, n-r-1), 则接受假设 H0. 其中 a为显著水平 p为解释变量个数 n为样本容量;回归系数的显著性分析;回归系数的显著性分析;2.回归系数的显著性检验;回归模型常遇到的问题 异方差 序列相关 共线性 异常样本;异方差问题;序列相关问题;多重共线性问题;第八章; 主成份分析是研究在损失最少信息的原则下,通过原来变量的少数几个线性组(主分量)合来分析或解释问题。;主成份分析的目： 1.简化数据， 减少变量个数 消除变量间相关关系的影响 2.揭示变量间的关系。;定理8.1;决定主成分个数的原则;决定主成分个数;决定主成分个数;决定主成分个数;第九章;概论;正交因子模型;正交因子模型;正交因子分析模型;正交因子模型的协方差结构;共同度和特殊度;因子旋转的目的是简化因子结构，使因子的含义便于解释。;第十一章;;例(春旱预测)某气象预报站收集了近年气象资料如下表;例(春旱预测);例(春旱预测);例(春旱预测);例(春旱预测);例(春旱预测);第十二章; 聚类分析是在不知道类型的个数 ( 即对于各种类型的结构未作任何假设)的情况下，对于原始数据进行分类的一??分析方法。聚类的根据是相似性或距离(相异性)。;重要例题;例1;;解;解;解;解;解;例2;;解;解;解;解;解;;解;解;例3;解;多元正态分布的性质;多元正态分布的性质;多元正态分布的性质;例 5.1 (T2 的计算);例 5.1 (T2 的计算);例 5.2 (当S未知时，检验多元均值向量);例 5.2 解：;例 5.2 (续);例 5.2 (续);例5.4 求联合置信T2区间;例5.4 求联合置信T2区间;?