判别分析课件.pptVIP

（4）兩組判別分析的檢驗由於判別分析是假設兩組樣品是取自不同總體，如果兩個總體的均值向量在統計上差異不顯著，則進行判別分析意義不大。所以，兩組判別分析的檢驗，實際就是要檢驗兩個正態總體的均值向量是否相等，為此，檢驗的統計量為：3、多組費舍判別分析（1）方法原理類似兩總體的費舍判別法,下麵給出多總體的費舍判別法。（2）判別函數判別係數（矩陣A關於矩陣E的廣義特徵向量）的導出。判別函數的判別能力與判別函數的個數。（3）判別準則有了判別函數之後，如何對待判的樣品進行分類？Fisher判別法本身並未給出最合適的分類法，在實際工作中可以選用下列分類法之一進行分類。（三）貝葉斯判別法1.基本思想顯然考慮損失函數更為合理，但是由於實際應用中，由於L(h/g)不容易確定，經常在數學模型中假定各種錯判的損失皆相等，這樣，尋找h使後驗概率最大實際上等價於使錯判損失最小。根據上述思想，在假定協方差矩陣相等的條件下，即可以導出判別函數。2.多元正態總體的Bayes判別法在實際問題中遇到的許多總體往往服從正態分佈，下麵給出p元正態總體的Bayes判別法，以及判別函數的導出。（1）待判樣品的先驗概率和密度函數使用Bayes準則進行分析,首先需要知道待判總體的先驗概率和密度函數(如果是離散情形則是概率函數)。（2）假設各組協方差陣相等，導出判別函數（3）計算後驗概率說明：貝葉斯方法一般多用於多組判別分析，貝葉斯判別方法的數學模型所要求的條件嚴格，它要求各組變數必須服從多元正態分佈，各組的協方差矩陣相等，各組的均值向量有顯著差異。而費舍判別法主要要求各組均值向量有顯著差異即可。第二節逐步判別分析一、逐步判別分析的基本思想二、逐步判別的基礎理論――對判別變數附加資訊的檢驗三、引入和剔除變數的依據和檢驗統計量四、求解判別函數中的矩陣變換五、建立判別式，對樣品判別分類六、逐步判別分析在Excel上的實現逐步判別分析的基本思想在判別問題中，當判別變數個數較多時，如果不加選擇地一概採用來建立判別函數，不僅計算量大，還由於變數之間的相關性，可能使求解逆矩陣的計算精度下降，建立的判別函數不穩定。因此適當地篩選變數的問題就成為一個很重要的事情。凡具有篩選變數能力的判別分析方法就統稱為逐步判別法。逐步判別法和通常的判別分析一樣，也有許多不同的原則，從而產生各種方法。這裏討論的逐步判別分析方法是在多組判別分析基礎上發展起來的一種方法，判別準則為貝葉斯判別函數，其基本思路類似於逐步回歸分析，採用“有進有出”的演算法，即按照變數是否重要，從而逐步引入變數，每引入一個“最重要”的變數進入判別式，同時要考慮較早引入的變數是否由於其後的新變數的引入使之喪失了重要性變得不再顯著了（例如其作用被後引入地某幾個變數的組合所代替），應及時從判別式中把它剔除，直到判別式中沒有不重要的變數需要剔除，剩下來的變數也沒有重要的變數可引入判別式時，逐步篩選結束。也就是說每步引入或剔除變數，都作相應的統計檢驗，使最後的貝葉斯判別函數僅保留“重要”的變數。判別分析第一節判別分析的基本原理和模型一、判別分析概述二、判別分析方法三、判別分析在Excel中的實現判別分析概述（一）什麼是判別分析判別分析是多元統計中用於判別樣品所屬類型的一種統計分析方法，是一種在已知研究對象用某種方法已經分成若干類的情況下，確定新的樣品屬於哪一類的多元統計分析方法。判別分析方法處理問題時，通常要給出用來衡量新樣品與各已知組別的接近程度的指標，即判別函數，同時也指定一種判別準則，藉以判定新樣品的歸屬。所謂判別準則是用於衡量新樣品與各已知組別接近程度的理論依據和方法準則。常用的有，距離準則、Fisher準則、貝葉斯準則等。判別準則可以是統計性的，如決定新樣品所屬類別時用到數理統計的顯著性檢驗，也可以是確定性的，如決定樣品歸屬時，只考慮判別函數值的大小。判別函數是指基於一定的判別準則計算出的用於衡量新樣品與各已知組別接近程度的函數式或描述指標。（二）判別分析的種類按照判別組數劃分有兩組判別分析和多組判別分析；按照區分不同總體的所用數學模型來分有線性判別分析和非線性判別分析；按照處理變數的方法不同有逐步判別、序貫判別等；按照判別準則來分有距離準則、費舍準則與貝葉