化探单元素异常统计内容参数公式.doc

化探单元素异常统计内容 1、异常ID ID 2、样品个数 N 3、异常面积 S 4、样品最大值 Max 5、样品最小值 Min 6、异常下限 T 7、算术平均值 8、几何平均值 9、标准离差 10、异常衬度 11、异常规模 12、异常NAP值 浓集克拉克值(C)计算公式： 变化系数(Cv)计算公式： 致矿系数(Z)计算公式：Z＝Cv(全区)＋10×Cv(剔高值后)＋100×高值比例＋C，高值是大于3倍的标准离差。 化探背景分析 中位数： 偏度： 峰度： 正态检验： Xi：组中值或含量值；fi：Xi所对应的频数；H：组距；X50：包括累计频率50%在内的所在组的组下限；F50：累计频率50%所在组之前的累计频率；f50：包括累计频率50%所在组的组频率；F(X)：为经验累计频率；F1(X)：为理论累计频率。 R型聚类分析 其中：； 式中：rkj为第j个变量和第k个变量的相关系数； Xji为第j个变量第i个样品的观测值； Xj与Xk为第j个和第k个变量的平均值。 Q型聚类分析 (i=1，2，…，P；j=1，2，…，n) 其中：P，n分别为变量数和样品数； Xi(max)及Xi(min)分别为数据中第i个指标的极大值与极小值 (j，k=1，2，…，n；j≠k) 式中：Djk为第j个样品与第k个样品的距离系数； Xij为第i个变量第j个样品的观测值。 因子分析 数学原理：设有一批含p个变量，n个样品的观测数据，如果其变量为X1、X2、……、Xp，它们的综合变量记为F1、F2、……、Fm(m≤p)，其数学表达式为 要求 （k=1，2，……，m） 系数由下列原则决定： Fi与Fj（ij，i、j=1，2，……，m）互相无关 F1是X1、X2、……，Xp的一切线性组合中方差最大； F2是与F1不相关的X1、X2、……、Xp所有线性组合中方差最大的； ……； Fm是与F1、F2、……、Fm-1都不相关的X1、X2、……、Xp所有线性组合中方差最大。 回归系数： 标准差： 相关系数： 回归分析 1、多元线性回归分析研究某一变量与多个变量之间的线性关系（某两变量之间的非线性关系有时也可以转化为线性关系）。这是以大量收集到的观测数据为基础，找出相关变量之间的内部规律性，以定量形式建立一个因变量与另一个自变量（或另几个自变量）之间关系的数学表达式，从而可以根据一个或几个变量的观测值来预测（预报）另一个变量的估计值，并能从多个指标变量中找出对所研究的问题起重要作用的某些指标。 2、多元逐步回归分析是以大量收集到的观测数据为基础，建立某一个变量与另一个变量（或几个变量）之间关系的数学表达式。逐步回归是在多元回归基础是派生出来的一种算法，它能从众多的变量（或预先尽可能多地考虑一些变量）中自动挑选重要变量（指标或因子），并确定其数学表达式的一种统计方法。 3、正交化回归分析与线性回归不同，它不一定建立随机变量与全体变量之间的关系，而是一种具有挑选因子的方案。线性回归和逐步回归仅考虑因变量（一个或多个）与自变量（多外）之间的关系，而不考虑自变量本身之间的关系，因而信息有重复的可能，而降低某一独立因素的相对权系数。这种重复也因具体问题的不同，对回归效果就有一定的影响。正交化回归不仅考虑自变量与因变量之间的关系，而且还要考虑自变量本身之间的相互影响。即是将自变量因子进行正交化，排除自变量之间的相互影响，得到一组新的正交化了的因子，再建立新因子与因变量之间的回归方程，并还原到非正交化、非正规化的回归方程，作为建立预报模型之用。 对应分析 对应分析是在R-型与Q-型因子分析基础上发展起来和一种多元统计方法，它把R-型和Q-型因子分析结合起来，综合考虑变量之间、样品之间及变量与样品之间的关系。它揭示了R-型与Q-型分析之间的两重性，以较少重要的几个公共因子的综合指标去研究对象在成因上或空间上的联系，应用载荷平面投影图进行地质解释与推断，在地质学的应用可以包括：对矿床成因的解释；成岩（成矿）的物质来源、作用方式、作用因素；含矿岩体的预测、评价；地球化学的研究等。根据R-型与Q-型分析具有的对偶性，由R-型分析结果很容易地得Q-型分析结果，它可以克服由于样品容量大而对Q-型因子分析所带来计算上的困难，把变量和样品同时反映到同一坐标轴（因子轴）的一张图形上，更便于地质解释与推断。 相关分析 1、典型相关分析是研究两组地质指标（或变量）之间相关关系的一种统计方法。它揭示了两个因素“集团”之间的内部联系，而两个因素“集团”的内容和变量数目又可以不同，这就决定了它在解决地质问题上的许多特点，在地质上用来研究二组地质特征之间的关系。用以研究地