多元统计分析期末复习.docx

第一章：

多元统计分析研究的内容（5点）

1、简化数据结构（主成分分析）

2、分类与判别（聚类分析、判别分析）

3、变量间的相互关系（典型相关分析、多元回归分析）

4、多维数据的统计推断

5、多元统计分析的理论基础第二三章：

二、多维随机变量的数字特征

1、随机向量的数字特征随机向量X均值向量：

随机向量X与Y的协方差矩阵：

当X=Y时Cov（X，Y）=D（X）；当Cov（X，Y）=0，称X，Y不相关。随机向量X与Y的相关系数矩阵：

2、均值向量协方差矩阵的性质

设X，Y为随机向量，A，B为常数矩阵

E（AX）=AE（X）；

EX ?(EX

E（AXB）=AE（X）B;

,EX

1

, ,EX

2

)??(?,?

p 1 2

,...,? )

P

cov( X ,Y ) ? E (X ? EX )(Y ? EY )

D(AX)=AD(X)A’;

Cov(AX,BY)=ACov(X,Y)B’;

?(X,Y)?(r

ij

)

p?q

若X，Y独立，则Cov(X,Y)＝０，反之不成立．(3).X的协方差阵D(X)是对称非负定矩阵。例2.见黑板

三、多元正态分布的参数估计

2、多元正态分布的性质

(1).若 ,则E(X)= ,D(X)= .

X~N(?,?) ? ?

特别地，当 P?为对角阵时，X,X,?,X

相互独立。

X ~N

(?,?)

1 2 p

若 N

(AP? ?

s

d，,AＡ?为As)xp阶常数矩阵，d为s阶向量，

ＡＸ＋d～ . 即正态分布的线性函数仍是正态分布．

多元正态分布的边缘分布是正态分布，反之不成立．

X

多元正态(1分)

,?,X

布的不(n)相关与独立等价．

X

例３．见黑板． ?n

(X,X

1

(X

, ,X )

?12 p

?

1

X i??1

?X)(X ?X)

(i) (i) n

?

三、多元正态分布的参数估计

X ??X

X ~ N

(?,1?)

“ W

(n为?

p

来1,自?p)元总X

体X的（简单）样本”的理P解---独n

立同截面．

多元分布样本的数字特征---常见多元统计量

样本均值向量

＝

样本离差阵Ｓ＝

样本协方差阵Ｖ＝ S ;样本相

关阵Ｒ

(3) ,Ｖ分别是

和

的最大似然估计；

(4)估计的性质

是 的无偏估计； ,Ｖ分别是 和 的有效和一致估计； ；Ｓ～ ， 与Ｓ相互独立；

第五章聚类分析：

一、什么是聚类分析：聚类分析是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法。用于对事物类别不清楚，甚至事物总共可能有几类都不能确定的情况下进行事物分类的场合。聚类方法：系统聚类法（直观易懂）、

动态聚类法（快）、有序聚类法（保序）......

Q-型聚类分析（样品）R-型聚类分析（变量）

变量按照测量它们的尺度不同，可以分为三类：间隔尺度、有序尺度、名义尺

度。

二、常用数据的变换方法:中心化变换、标准化变换、极差正规化变换、对数变换（优缺点）

1、中心化变换（平移变换）：中心化变换是一种坐标轴平移处理方法，它是先求出每个变量的样本平均值，再从原始数据中减去该变量的均值，就得到中心化变换后的数据。不改变样本间的相互位置，也不改变变量间的相关性。

2、标准化变换：首先对每个变量进行中心化变换，然后用该变量的标准差进行标准化。

经过标准化变换处理后，每个变量即数据矩阵中每列数据的平均值为0，方差为1，且也不再具有量纲，同样也便于不同变量之间的比较。

3、极差正规化变换（规格化变换）：规格化变换是从数据矩阵的每一个变量中找出其最大值和最小值，这两者之差称为极差，然后从每个变量的每个原始数据中减去该变量中的最小值，再除以极差。经过规格化变换后，数据矩阵中每列即每个变量的最大数值为1，最小数值为0，其余数据取值均在0－1之间；且变换后的数据都不再具有量纲，便于不同的变量之间的比较。

4、对数变换：对数变换是将各个原始数据取对数，将原始数据的对数值作为变换后的新值。它将具有指数特征的数据结构变换为线性数据结构。

三、样品间相近性的度量

研究样品或变量的亲疏程度的数量指标有两种：距离，它是将每一个样品看作

p维空间的一个点，并用某种度量测量点与点之间的距离，距离较近的归为一类，

距离较远的点应属于不同的类；相似系数，性质越接近的变量或样品，它们的相似系数越接近于1或一l，而彼此无关的变量或样品它们的相似系数则越接近于0，相似的为一类，不相似的为