何晓群版多元统计课后作业答案Word格式.docx
《何晓群版多元统计课后作业答案Word格式.docx》由会员分享,可在线阅读,更多相关《何晓群版多元统计课后作业答案Word格式.docx(24页珍藏版)》请在冰点文库上搜索。
3、多元均值检验,从题意知道,容量为9的样本,总体协方差未知假设H0:
0,H1:
0(n=9p=5)
T2n(X0)S1(X0)服从P,n-1的T2分布
统计量T2实际上是样本均值与已知总体均值之间的马氏距离再乘以n*(n-1)
这个值越大,相等的可能性越小,备择假设成立时,T2有变大的趋势,所以拒
绝域选择T2值较大的右侧部分,也可以转变为F统计量
零假设的拒绝区域{(n-p)/[(n-1)*p]}*T2>
Fp,np()
2
1/10*T2>
F5,4(5)
μ0=(6212.0132.8729729.515.78)'
样本均值(4208.7835.121965.8912.2127.79)'
(样本均值-μ0)'
=(-2003.232.25-1006.112.7112.01)
协方差矩阵(降维——因子分析——抽取)
Inter-ItemCovarianceMatrix
人均GDP(元)
三产比重(%)
人均消费(元)
人口增长(%)
文盲半文盲(%)
1020190.840
582.460
331693.531
-599.784
-6356.325
19.480
-105.464
6.625
43.697
125364.321
-213.634
-3130.038
6.099
25.410
196.884
计算:
边远及少数民族聚居区社会经济发展水平的指标数据.xls
T2=9*(-2003.232.25-1006.112.7112.01)*s^-1*(-2003.232.25-1006.112.7112.01)'
=9*50.11793817=451,06144353
F统计量=45.2>
6.2拒绝零假设,边缘及少数民族聚居区的社会经济发展水平与全国平均水平有显著差异。
第三章聚类分析
1.聚类分析的基本思想和功能是什么?
研究的样品或指标之间存着程度不同的相似性,于是根据一批样品的多个观测指标,具体找出一些能够度量样品或指标之间的相似程度的统计量,以这些统计量作为划分类型的依据,把一些相似程度较大的样品聚合为一类,把另外一些彼此之间相似程度较大的样品又聚合为另外一类,直到把所有的样品聚合完毕,形成一个有小到大的分类系统,最后再把整个分类系统画成一张分群图,用它把所有样品间的亲疏关系表示出来。
作用是把相似的研究对象归类。
2.试述系统聚类法的原理和具体步骤。
首先将n个样品看成n类(一类包含一个样品),然后将性质最接近的两类合并成一个新类,得到n-1类,再从中找出最接近的两类加以合并变成n-2类,如此下去,最后所有的样品均在一类,将上述并类过程画成一张图便可决定分多少类,每类各有哪些样品。
3.试述K-均值聚类的方法原理K-均值法是一种非谱系聚类法,把每个样品聚集到其最近形心(均值)类中,它是把样品聚集成K个类的集合,类的个数k可以预先给定或者在聚类过程中确定,该方法应用于比系统聚类法大得多的数据组。
把样品分为K个初始类,进行修改,逐个分派样品到期最近均值的类中(通常采用标准化数据或非标准化数据计算欧氏距离)重新计算接受新样品的类和失去样品的类的形心。
重复这一步直到各类无元素进出。
第四章判别分析
1.应用判别分析应该具备什么样的条件被解释变量是属性变量而解释变量是度量变量,判别分析最基本的要求是,分组类型在两组以上,每组案例的规模必须至少在一个以上,解释变量必须是可测量的,才能够计算其平均值和方差,使其能合理地应用于统计函数。
假设之一是:
每一个判别变量(解释变量)不能是其他判别变量的线性组合。
这时,为其他变量线性组合的判别变量不能提供新的信息,更重要的是在这种情况下无法估计判别函数。
不仅如此,有时一个判别变量与另外的判别变量高度相关,或与另外的判别变量的线性组合高度相关,虽然能求解,但是参数估计的标准误差很大,以至于参数估计统计上不显著,这就是常说的,多重共线性问题。
假设之二:
各组变量的协方差矩阵相等,判别分析最简单和最常用的的形式是采用现行判别函数,他们是判别变量的简单线性组合,在各组协方差矩阵相等的假设条件下,可以使用很简单的公式来计算判别函数和进行显著性检验。
假设之三:
各判别变量之间具有多元正态分布,即每个变量对于所有其他变量的固定值有正态分布,在这种条件下可以精确计算显著性检验值和分组归属的概率,党委被该假设时,计算的概率将非常不准确。
2.试述贝叶斯判别法的思路贝叶斯判别法的思路是先假定对研究的对象已有一定的认识,常用先验概率分布来描述这种认识,然后我们取得一个样本,用样本来修正已有的认识,(先验概率分布),得到后验概率分布,各种统计推断都通过后验概率分布来进行。
将贝叶斯判别方法用于判别分析得到贝叶斯判别。
(1)最大后验概率准则
设有总体i(i=1,2,⋯k),具有概率密度函数fi(X),并且知道根据以往的统计分
析,知道i出现的概率为Pi。
当样本x0发生时,求属于某类的概率,由贝叶斯
公式计算后验概率
P(i|x0)=Pi*fi(X)/ΣPi*fi(X),i=1,2,⋯,k
xl,p(lx)maxp(ix)X
最大后验概率准则采用的判别规则是:
(2)最小误判代价准则
设有K个总体1,2,...,k分别具有p维密度函数,p1(x),p2(x),...,pk(x),已知出
现这k个总体的先验概率分布为q1,q2,...qkk
用D1,D2,...,Dk表示样本Rp的一个划分,D1,D2,...,Dk互不相交,且DiRp,
i1如果这个划分取得适当,正好对应于k个总体,这时判别规则可以采用如下方法xi,x落入Di,i1,2,3...k用c(ji)表示来自样本i而被误判为j的损失,这一误判的概率为p(ji)Djpi(x)dx由以上判别规则带来的平均损失ECM
kk
ECM(D1,D2,...,Dk)qic(ji)p(ji)定义c(ii)0,目的是求D1,D2,...,Dk,
i1j1
使得ECM最小
3.试述费歇判别法的思想
将k组P维数据投影到某一方向,使得它们的投影组与组之间尽可能地分开K个总体分别取得k组P维观察值
G1:
x1
(1),...,xn(11)
nn1n2...nk
G:
x(k),...,x(k)
Gk:
x1,...,xnk
令a为Rp中的任一向量,u(x)a'
xn(11)为x向以a为法线方向的投影,这时,上
(k)nk
述数据的投影为
a'
x1(k),...,a'
x
k
组间平方和SSGa'
[ni(X(i)X)(X(i)X)'
]aa'
BaX(i)为第i组均值X为总i1
体均值向量
组内平方和SSEa'
[(Xj(i)X(i))(Xj(i)X(i))'
Ea
如果K组均值有显著差异,则
FSSG/(k1)nka'
Ba应该充分地大,或者(a)a'
Ba应充分大
SSE/(nk)k1a'
Eaa'
(.)的极大值为1,它是BE0的最大特征根,l1,l2,...,lr为相应的特征向量,
当al1时,可使(.)达到最大值,由于(a)的大小可以衡量u(x)a'
x判别的效
果,所以称(a)为判别效率。
得到以下定理:
费歇准则下的线性判别函数u(x)a'
x的解a为方程BE0的
最大特征根1所对应的特征向量l1,且相应的判别效率为(l1)1
4.什么是逐步判别分析
如果在某个判别问题中,将起最重要的变量忽略了,相应的判别函数的效果一定不好。
而另一方面,如果判别变量的个数太多,计算量必然大,会影响估计的精度,特别当引入了一些判别能力不强的变量时,还会严重影响到判别的效果。
变量的选择关系到判别函数的效果,适当筛选变量是一个很重要的问题。
凡是具有筛选变量能力的判别方法统称为逐步判别法。
1)在x1,x2,..xm中选出一个自变量,它使维尔克斯统计量i(i1,2,..m)达到最
1mini,考察1是否落入接受域,如果不显著则表明一个变量也不选中,,不能用判别分析,如显著则进入下一步。
(2)在未选中的变量中,计算它们与已选中变量x1配合的值,选择使
计算1,2,...,r,l(rlm),使其最小的为第r1个变量,检验第r1个变量能否提供附加信息,如果能则进入第四部,不能进入第三步。
(3)在已选入的r个变量中,要考虑较早选中的变量中重要性有没有较大的变化,应及时把不能提供附加信息的变量剔除出去,剔除的原则等同于引进的原则。
例如在已进入的r个变量中要考察xl(1lr)是否应剔除,就是计算l.1,..l1,l1,...r选择达到极小(大)的,看是否显著,如不显著将该变量剔除,回到第三步,继续对于下的变量进行考察是否需要剔除,如果显著则回到第二步。
(4)这时既不能选进新变量,又不能剔除已选进的变量,将已选中的变量简历判别函数。
5.简要叙述判别分析的步骤及流程
(1)研究问题:
选择对象,评估一个多元问题各组的差异,将观测(个体)归类,确定组与组之间的判别函数
(2)设计要点:
选择解释变量,样本的考虑,建立分析样本的保留样本
(3)假定:
解释变量的整体性,线性关系,解释变量间不存在多重共线性,协方差相等
(4)估计判别函数:
联立估计或者逐步估计,判别函数的显著性
(5)使用分类矩阵评估预测的精度:
确定最优临界得分,确定准则来评估判对比率,预测精确的统计显著性
(6)判别函数的解释,需要多个函数,评价单个函数主要从判别权重、判别载荷、偏F值几个方面,(评价两个以上的判别函数也需要,并且还要评价合并的函数,函数的旋转、能力指数,各组重心的图示、判别载荷的图示,)
(7)判别结果的验证:
分开样本或者交叉验证,刻画组间的差异。
6.为研究某地区人口死亡状况,已按某种方法将15个一直样品分为三类,指标
及原始数据见下表,试建立判别函数,并判定另外四个带判样品属于哪类
AnalysisCaseProcessingSummary
UnweightedCases
N
Percent
Valid
15
78.9
ExcludedMissingorout-of-range
.0
groupcodes
Total
AtleastonemissingdiscriminatingvariableBothmissingorout-of-rangegroupcodesandatleastonemissingdiscriminatingvariable
4
19
21.1
100.0
GroupStatistics
y
Mean
Std.Deviation
ValidN(listwise)
Unweighted
Weighted
1X1
X2
X3
X4
X5
X6
38.7420
11.9000
1.5000
12.2460
100.0580
67.4600
6.88434
6.78528
.75931
6.97585
7.47740
2.69685
5
5.000
2X1
39.5364
11.4960
2.9380
27.8300
151.2240
66.0500
8.37206
8.44911
2.12530
6.11971
17.62219
1.90722
3X1
38.5000
10.1180
.6840
10.3320
93.9460
67.4200
10.56801
9.81930
.90790
9.67360
12.25276
3.05074
TotalX1
38.9261
11.1713
1.7073
16.8027
115.0760
66.9767
8.10473
7.85636
1.61897
10.82306
29.22793
2.49735
15.000
Wilks'
Lambda
F
df1
df2
Sig.
X1
.997
.019
12
.981
.990
.061
.941
.645
3.301
.072
.438
7.690
.007
.173
28.728
.000
.926
.478
.631
对各组均值是否相等的检验,在0.01的显著性水平上,X4、X5在三组的均值有显著差异
反映协方差矩阵的秩和行列式的对数值,后者对各种体协方差阵是否相等的统计检验,由F值及其显著水平,我们在0.05的显著性水平下接受原假设(原假设假定各总体协方差阵相等)
Eigenvalues
Function
Eigenvalue
%ofVariance
Cumulative%
CanonicalCorrelation
1
60.267a
98.9
.992
.678a
1.1
.636
a.First2canonicaldiscriminantfunctionswereusedintheanalysis.
第一判别函数解释了98.9%的方差,第二判别函数解释了1.1%的方差
TestofFunction(s)
Chi-square
df
1through2
.010
44.014
.596
4.919
.426
第一判别函数在0.05的显著性水平上是显著的
标准化的判别函数
StandardizedCanonical
DiscriminantFunction
Coefficients
-17.048
-7.685
14.710
9.793
-1.301
-.513
6.403
-.566
1.344
.657
4.311
1.813
CanonicalDiscriminantFunction
-1.951
-.879
1.742
1.160
-.927
-.366
.827
-.073
.102
.050
1.661
.698
(Constant)
-78.860
-29.413
Unstandardizedcoefficients
非标准化的判别函数
Y1=-78.860+-1.951X1+1.742X2+-0.927X3+0.827X4+0.102X5+1.661X6根据这个判别函数计算每个观测的判别Z得分后者是判别函数在各组的重心各组的先验概率
Unstandardizedcanonicaldiscriminantfunctionsevaluatedatgroupmeans
ClassificationFunctionCoefficients
3
-158.299
-181.006
-148.660
166.206
186.018
156.942
-97.779
-108.631
-93.291
59.026
69.217
55.718
11.522
12.710
11.009
201.552
220.946
193.435
-5586.484
-6553.476
-5227.094
Fisher'
slineardiscriminantfunctions
每组的费歇线性判别函数
Y=1这组
F1=-5586.484+-158.299X1+166.206X2+-97.779X3+59.026X4+11.522X5+201.552X6
Y=2这组
F2=-6553.476+-181.006X1+186.018X2+-108.631X3+69.217X4+12.710+X5220.946X6
Y=3这组
F3=-5227.094+-148.660X1+156.942X2+-93.291X3+55.718X4+11.009X5+193.435X6
将观测分到较大的函数值中
带判样品f1f2f3
分别如下
3902.361
3612.117
3997.661
5563.003
5478.957
5556.303
7015.192
7149.351
6931.574
5013.921
4877.544
5030.734
1号待判
判为第三组
2号待判
判为第一组
3号待判
判为第二组
4号待判
a,cClassificationResults
PredictedGroupMembership
Original
Count