理论统计学课件-判别分析.pptVIP

（4）两组判别分析的检验 由于判别分析是假设两组样品是取自不同总体，如果两个总体的均值向量在统计上差异不显著，则进行判别分析意义不大。所以，两组判别分析的检验，实际就是要检验两个正态总体的均值向量是否相等，为此，检验的统计量为： 3、多组费舍判别分析 （1）方法原理 类似两总体的费舍判别法,下面给出多总体的费舍判别法。 （2）判别函数 判别系数（矩阵A关于矩阵E的广义特征向量）的导出。 判别函数的判别能力与判别函数的个数。 （3）判别准则 有了判别函数之后，如何对待判的样品进行分类？Fisher判别法本身并未给出最合适的分类法，在实际工作中可以选用下列分类法之一进行分类。 （三）贝叶斯判别法 1.基本思想 显然考虑损失函数更为合理，但是由于实际应用中，由于L(h/g)不容易确定，经常在数学模型中假定各种错判的损失皆相等，这样，寻找h使后验概率最大实际上等价于使错判损失最小。 根据上述思想，在假定协方差矩阵相等的条件下，即可以导出判别函数。 2.多元正态总体的Bayes判别法 在实际问题中遇到的许多总体往往服从正态分布，下面给出p元正态总体的Bayes判别法，以及判别函数的导出。 （1）待判样品的先验概率和密度函数 使用Bayes准则进行分析,首先需要知道待判总体的先验概率 和密度函数 (如果是离散情形则是概率函数)。 （2）假设各组协方差阵相等，导出判别函数 （3）计算后验概率 说明： 贝叶斯方法一般多用于多组判别分析，贝叶斯判别方法的数学模型所要求的条件严格，它要求各组变量必须服从多元正态分布，各组的协方差矩阵相等，各组的均值向量有显著差异。而费舍判别法主要要求各组均值向量有显著差异即可。 第二节 逐步判别分析 一、逐步判别分析的基本思想 二、逐步判别的基础理论――对判别变量 附加信息的检验 三、引入和剔除变量的依据和检验统计量 四、求解判别函数中的矩阵变换 五、建立判别式，对样品判别分类 六、逐步判别分析在Excel上的实现 逐步判别分析的基本思想 在判别问题中，当判别变量个数较多时，如果不加选择地一概采用来建立判别函数，不仅计算量大，还由于变量之间的相关性，可能使求解逆矩阵的计算精度下降，建立的判别函数不稳定。因此适当地筛选变量的问题就成为一个很重要的事情。 凡具有筛选变量能力的判别分析方法就统称为逐步判别法。 逐步判别法和通常的判别分析一样，也有许多不同的原则，从而产生各种方法。这里讨论的逐步判别分析方法是在多组判别分析基础上发展起来的一种方法，判别准则为贝叶斯判别函数，其基本思路类似于逐步回归分析，采用“有进有出”的算法，即按照变量是否重要，从而逐步引入变量，每引入一个“最重要”的变量进入判别式，同时要考虑较早引入的变量是否由于其后的新变量的引入使之丧失了重要性变得不再显著了（例如其作用被后引入地某几个变量的组合所代替），应及时从判别式中把它剔除，直到判别式中没有不重要的变量需要剔除，剩下来的变量也没有重要的变量可引入判别式时，逐步筛选结束。也就是说每步引入或剔除变量，都作相应的统计检验，使最后的贝叶斯判别函数仅保留“重要”的变量。 判别分析的基本原理和模型 逐步判别分析 判别分析 第一节 判别分析的基本原理和模型 一、判别分析概述 二、判别分析方法 三、判别分析在Excel中的实现 判别分析概述 （一）什么是判别分析 判别分析是多元统计中用于判别样品所属类型的一种统计分析方法，是一种在已知研究对象用某种方法已经分成若干类的情况下，确定新的样品属于哪一类的多元统计分析方法。 判别分析方法处理问题时，通常要给出用来衡量新样品与各已知组别的接近程度的指标，即判别函数，同时也指定一种判别准则，借以判定新样品的归属。所谓判别准则是用于衡量新样品与各已知组别接近程度的理论依据和方法准则。常用的有，距离准则、Fisher准则、贝叶斯准则等。判别准则可以是统计性的，如决定新样品所属类别时用到数理统计的显著性检验，也可以是确定性的，如决定样品归属时，只考虑判别函数值的大小。判别函数是指基于一定的判别准则计算出的用于衡量新样品与各已知组别接近程度的函数式或描述指标。 （二）判别分析的种类 按照判别组数划分有两组判别分析和多组判别分析； 按照区分不同总体的所用数学模型来分有线性判别分析和非线性判别分析； 按照处理变量的方法不同有逐步判别、序贯判别等；