多元统计分析——主成分分析-PPT课件.pptVIP

引例1：某地区企业经济效益的评价，涉及以下9个指标：百元固定资产原值实现产值、百元固定资产原值实现利税，百元资金实现利税，百元工业总产值实现利税，百元销售收入实现利税，每吨标准煤实现工业产值，每千瓦时电力实现工业产值，全员劳动生产率，百元流动资金实现产值。 可以找出综合指标Y1、Y2等来评价企业效益。其中Yi是所有原始变量的线性组合。;引例2：;;;;;要讨论的问题是：;设随机变量X= ，均值为μ，协方差为∑。 对X进行线性变换，可以形成新的综合变量，用Y表示 ; 上述线性变换的约束条件：;主成分与原始变量之间有如下基本关系： 每一主成分都是各原始变量的线性组合 主成分的数目大大少于原始变量的数目 主成分保留了原始变量绝大多数的信息 各主成分之间互不相关;为了方便，我们在二维空间中讨论主成分的几何意义。设有N个样本，每个样本有两个观测变量X1、X2，在由二维变量组成的坐标空间中，N个样本散布在一个椭圆内（阴影部分），当两个变量的相关性越大，则这个椭圆就越扁 . 由图可以看出这n个样本点无论是沿着x1 轴方向或x2轴方向都具有较大的离散性，其离散的程度可以分别用观测变量x1 的方差和x2 的方差定量地表示。显然，如果只考虑xl和x2 中的任何一个，那么包含在原始数据中的经济信息将会有较大的损失。 ;如果我们将xl 轴和x2轴