多元统计分析课后习题解答第四章.docx
- 文档编号:23093793
- 上传时间:2023-04-30
- 格式:DOCX
- 页数:23
- 大小:93.13KB
多元统计分析课后习题解答第四章.docx
《多元统计分析课后习题解答第四章.docx》由会员分享,可在线阅读,更多相关《多元统计分析课后习题解答第四章.docx(23页珍藏版)》请在冰豆网上搜索。
多元统计分析课后习题解答第四章
第四章判别分析
4.1简述欧几里得距离与马氏距离的区别和联系。
答:
设p维欧几里得空间I;中的两点X=和Y=
则欧几里得距离为
。
欧几里得距离的局限有①在多元数据分析中,其度量不合理。
②会受到实际问题中量纲的影响。
设X,Y是来自均值向量为也|,协方差为
IEMBEDEquation.3
的总体G中的p维样本。
则马氏距离为
D(X,Y)=
即单位阵时,D(X,Y)=
因此,在一定程度上,欧几里得距离是马氏距离的特殊情况,马氏距离是欧几里得距离
的推广。
4.2试述判别分析的实质。
答:
判别分析就是希望利用已经测得的变量数据,找出一种判别函数,
种最优性质,能把属于不同类别的样本点尽可能地区别开来。
设R1,
使得这一函数具有某
R2,…,Rk是p维空
间Rp的k个子集,如果它们互不相交,且它们的和集为-「,则称
一个划分。
判别分析问题实质上就是在某种意义上,以最优的性质对
“划分”,这个“划分”就构成了一个判别规则。
为Rp的
p维空间:
;-构造一个
4.3简述距离判别法的基本思想和方法。
答:
距离判别问题分为①两个总体的距离判别问题和②多个总体的判别问题。
是分别计算样本与各个总体的距离(马氏距离),将距离近的判别为一类
①两个总体的距离判别问题
设有协方差矩阵刀相等的两个总体G和G,其均值分别是判断它来自哪个总体。
计算新样品X到两个总体的马氏距离
其基本思想都
1和2,:
D2(X,
•个新的样品x,要和D2(XG),则
D2(X,G2)
>D(X,G,
2
D(X,G)
2
D(XG)
(X
p)
1(X
p)
(X
p)
艺1(X
p)
1
X艺X
2
X艺1
p
p艺1
p
1
(X艺X
2X
2X
艺1(
P2
p)
p艺1p
p
21p
2X
工1(
P1)
(p
p)
艺1
(pp)
2
X
P2
艺1
(p
p)
艺1P2
P2艺1P2)
2(X
2a(Xp)
记W(X)
a(X
P)则判别规则为
②多个总体的判别问题。
设有k个总体Gi,G2,,Gk,其均值和协方差矩阵分别是且厶艺2艺k艺。
计算样本到每个总体的马氏距离,
于哪个总体。
2i
具体分析,D(X,G)(X口)艺(X口)
X艺1X2卩艺1X卩艺I
X艺1X2(1XC)
111
取I艺口,C口艺口,1,2,,k。
2
可以取线性判别函数为
W(X)IXC,1,2,,k
^2,,g禾口艺1,艺2,,艺k,
到哪个总体的距离最小就属
相应的判别规则为XGi若W(X)max(lXC)
1k
4.4简述贝叶斯判别法的基本思想和方法。
基本思想:
设k个总体G1,G2,,Gk,其各自的分布密度函数
k
个总体各自出现的概率分别为q^q?
,qk,qi0,qi
i1
错判到总体Gj时造成的损失为C(j|i),i,j1,2,,k。
设k个总体G1,G2,,Gk相应的p维样本空间为R(R1,R2,
在规则R下,将属于Gj的样品错判为Gj的概率为
P(j|i,R)Rfi(x)dxi,j1,2,,k
Rj
fjx),f2(x),,fk(x),假设k
1。
设将本来属于Gj总体的样品
Rk)。
ij
3/13
则这种判别规则下样品错判后所造成的平均损失为
k
r(i|R)[C(j|i)P(j|i,R)]i1,2,,k
j1
则用规则R来进行判别所造成的总平均损失为
k
g(R)qir(i,R)
i1
kk
qiC(j|i)P(j|i,R)
i1j1
贝叶斯判别法则,就是要选择一种划分Ri,R2,,Rk,使总平均损失g(R)达到极小。
kk
基本方法:
g(R)qiC(j|i)P(j|i,R)
i1j1
kk
qiC(j|i)Rfi(x)dx
i1j1Rj
kk
j1
Rj(i
i
qiC(j|i)fi(x))dx
1
kk
令qiC(j|i)fi(x)hj(x),则g(R)Rhj(x)dx
Rj
i1j1j
k
若有另一划分R*(R1*,R2*,,Rk*),g(R*)*hj(x)dx
j1R*j
则在两种划分下的总平均损失之差为
kk
g(R)g(R*)RR*[hi(x)hj(x)]dx
i1j1RiRj
因为在Ri上hi(x)hj(x)对一切j成立,故上式小于或等于零,是贝叶斯判别的解。
Ri{x|hi(x)minhj(x)}
从而得到的划分R(R1,R2,,Rk)为ii1jkji1,2,,k
4.5简述费希尔判别法的基本思想和方法。
答:
基本思想:
从k个总体中抽取具有p个指标的样品观测数据,借助方差分析的思想构造一个线性判别函数
U(X)u1X1u2X2LUpXp
系数U(U1,U2,,Up)可使得总体之间区别最大,而使每个总体内部的离差最小。
将新样
品的P个指标值代入线性判别函数式中求出U(X)值,然后根据判别一定的规则,就可以
判别新的样品属于哪个总体。
4.6试析距离判别法、贝叶斯判别法和费希尔判别法的异同。
答:
①费希尔判别与距离判别对判别变量的分布类型无要求。
二者只是要求有各类母体的两
阶矩存在。
而贝叶斯判别必须知道判别变量的分布类型。
因此前两者相对来说较为简单。
2当k=2时,若<-则费希尔判别与距离判别等价。
当判别变量服从正态分布时,
二者与贝叶斯判别也等价。
I2
3当时,费希尔判别用-11作为共同协差阵,实际看成等协差阵,此与
距离判别、贝叶斯判别不同。
4距离判别可以看为贝叶斯判别的特殊情形。
贝叶斯判别的判别规则是
IInd
W(X)
X,W(X) 距离判别的判别规则是 二者的区别在于阈值点。 当qq2,C(1|2)C(211)时,d1,lnd 相同。 0。 二者完全 4.7设有两个二元总体X和f'i,从中分别抽取样本计算得到 /5.82.1) 假设二二,试用距离判别法建立判别函数和判别规则。 样品X=(6, 0)'应属于哪个总体? (笈1瓦)=(6.0)一(4,0.5)=(20百) 1 Wp二Q.0.5) 7.612.1 3967xI2.15.8 4 =Z4.——,67>O 39 即样品X属于总体丄 4.8某超市经销十种品牌的饮料,其中有四种畅销,三种滞销,三种平销。 下表是这十种品牌饮料的销售价格(元)和顾客对各种饮料的口味评分、信任度评分的平均数。 销售情况 产品序号 销售价格 口味评分 信任度评分 1 2.2 5 8 畅销 2 2.5 6 7 3 3.0 3 9 4 3.2 8 6 5 2.8 7 6 平销 6 3.5 8 7 7 4.8 9 8 8 1.7 3 4 滞销 9 2.2 4 2 10 2.7 4 3 ⑴根据数据建立贝叶斯判别函数,并根据此判别函数对原样本进行回判。 ⑵现有一新品牌的饮料在该超市试销,其销售价格为3.0,顾客对其口味的评分平均为 8,信任评分平均为5,试预测该饮料的销售情况。 解: 增加group变量,令畅销、平销、滞销分别为groupl、2、3;销售价格为Xi,口味评 分为冷,信任度评分为X3,用spss解题的步骤如下: 1.在SPSS窗口中选择Analyze^Classify^Discriminate,调出判别分析主界面,将左边的变量列表中的“group”变量选入分组变量中,将为、X2、X3变量选入自 变量中,并选择Enterindependentstogether单选按钮,即使用所有自变量进行判别分析。 2.点击DefineRange按钮,定义分组变量的取值范围。 本例中分类变量的范围为 1到3,所以在最小值和最大值中分别输入1和3。 单击Continue按钮,返回主界 面。 如图4.1 图4.1判别分析主界面 3.单击Statistics按钮,指定输出的描述统计量和判别函数系数。 选中Function Coefficients栏中的Fisher: 给出Bayes判别函数的系数。 (注意: 这个选项不是要给出Fisher判别函数的系数。 这个复选框的名字之所以为Fishers是因为按判 别函数值最大的一组进行归类这种思想是由Fisher提出来的。 这里极易混淆,请 读者注意辨别。 )如图4.2。 单击Continue按钮,返回主界面。 图4.2statistics子对话框 4.单击Classify按钮,弹出classification子对话框,选中Display选项栏中的 Summarytable复选框,即要求输出错判矩阵,以便实现题中对原样本进行回判的要求。 如图4.3。 图4.3classification对话框 5.返回判别分析主界面,单击0K按钮,运行判别分析过程。 1)根据判别分析的结果建立Bayes判别函数: Bayes判别函数的系数见表4.1。 表中每一列表示样本判入相应类的Bayes判别函数系数。 由 此可建立判别函数如下: Group1: Y181.84311.689X112.297X216.761X3 Group2: Y294.53610.707X113.361X217.086X3 Group3: Y317.4492.194X14.960X26.447X3 将各样品的自变量值代入上述三个Bayes判别函数,得到三个函数值。 比较这三个函数值, 哪个函数值比较大就可以判断该样品判入哪一类。 ClassificationFunctionCoefficients group 1 2 3 x1 -11.689 -10.707 -2.194 x2 12.297 13.361 4.960 x3 16.761 17.086 6.447 (Constant) -81.843 -94.536 -17.449 Fisher'slineardiscriminantfunctions 表4.1Bayes判别函数系数 根据此判别函数对样本进行回判,结果如表4.2。 从中可以看出在4种畅销饮料中,有3种被 正确地判定,有1种被错误地判定为平销饮料,正确率为75%。 在3种平销饮料中,有2种被 正确判定,有1种被错误地判定为畅销饮料,正确率为66.7%。 3种滞销饮料均正确判定。 整 体的正确率为80.0%。 ClassificationResults PredictedGroupMembership group 1 2 3 Total OriginalCount1 3 1 0 4 2 1 2 0 3 3 0 0 3 |3 %1 75.0 25.0 .0 100.0 2 33.3 66.7 .0 100.0 3 .0 .0 100.0 100.0 a.80.0%oforiginalgroupedcasescorrectlyclassified. 表4.2错判矩阵 2)该新饮料的X13.0,X28,X35,将这3个自变量代入上一小题得到的Bayes 判别函数,Y2的值最大,该饮料预计平销。 也可通过在原样本中增加这一新样本,重 复上述的判别过程,并在classification子对话框中同时要求输出casewiseresults,运行判 别过程,得到相同的结果。 4.9银行的贷款部门需要判别每个客户的信用好坏(是否未履行还贷责任),以决定是否给 予贷款。 可以根据贷款申请人的年龄(X1)、受教育程度(X2)、现在所从事工作的年数 (X3)、未变更住址的年数(X4)、收入(X5)、负债收入比例(X6)、信用卡债务(x7)、 其它债务(X8、等来判断其信用情况。 下表是从某银行的客户资料中抽取的部分数据,⑴ 根据样本资料分别用距离判别法、Bayes判别法和Fisher判别法建立判别函数和判别规则。 ⑵某客户的如上情况资料为(53,1,9,18,50,11.20,2.02,3.58),对其进行信用好坏的判别。 目前信用好坏 客户序号 X! X2 X3 X4 X5 X6 X7 X8 1 23 1 7 2 31 6.60 0.34 1.71 已履行还 贷责任 2 34 1 17 3 59 8.00 1.81 2.91 3 42 2 7 23 41 4.60 0.94 .94 4 39 1 19 5 48 13.10 1.93 4.36 5 35 1 9 1 34 5.00 0.40 1.30 未履行还 6 37 1 1 3 24 15.10 1.80 1.82 贷责任 7 29 1 13 1 42 7.40 1.46 1.65 8 32 2 11 6 75 23.30 7.76 9.72 9 28 2 2 3 23 6.40 0.19 1.29 10 26 1 4 3 27 10.50 2.47 .36 解: 令已履行还贷责任为groupO,未履行还贷责任为groupl。 令(53,1,9,18,50,11.20, 2.02,3.58)客户序号为11,group未知。 用spss解题步骤如下: 1.在SPSS窗口中选择Analyze宀ClassifyDiscriminate,调出判别分析主界面,将左边 的变量列表中的“group”变量选入分组变量中,将X1X6变量选入自变量中, 并选择Enterindependentstogether单选按钮,即使用所有自变量进行判别分析。 2.点击DefineRange按钮,定义分组变量的取值范围。 本例中分类变量的范围为0到 1,所以在最小值和最大值中分别输入0和1。 单击Continue按钮,返回主界面。 3.单击Statistics按钮,指定输出的描述统计量和判别函数系数。 选中Function Coefficients栏中的Fisher'和Unstandardized。 单击Continue按钮,返回主界面。 4.单击Classify按钮,定义判别分组参数和选择输出结果。 选择Display栏中的 Casewiseresults,以输出一个判别结果表。 其余的均保留系统默认选项。 单击 Continue按钮。 5.返回判别分析主界面,单击0K按钮,运行判别分析过程。 1)用费希尔判别法建立判别函数和判别规则: 未标准化的典型判别函数系数由于可以将实测的样品观测值直接代入求出判别得分,所 以该系数使用起来比标准化的系数要方便一些。 具体见表4.3。 t-wonicaliDtscnimiiaiitfunctioncocmcients Function 1 Ki -033 G507 173 -35? 724 fW ! K7 792 ・2383 CCDhEtaM) -10794 Unitind«idcuvnk 表4.3未标准化的典型判别函数系数 由此表可知,Fisher判别函数为: Y10.7940.32X16.687X20.173X30.357X40.024X50.710X60.792X72.383X8 用Y计算出各观测值的具体坐标位置后,再比较它们与各类重心的距离,就可以得知分类,如若与group0的重心距离较近则属于group0,反之亦然。 各类重心在空间中的 坐标位置如表4.4所示。 FunctionsatGroupCentroids grou D Function 1 0 -2437 1 Unstandardizedcanonicaldiscriminantfunctionse1^lustedatgroupmeans 表4.4各类重心处的费希尔判别函数值 用bayes判别法建立判别函数与判别规则,由于此题中假设各类出现的先验概率相等且 误判造成的损失也相等,所以距离判别法与bayes判别完全一致。 如表4.5所示,group栏中的每一列表示样品判入相应列的Bayes判别函数系数。 由此可 得,各类的Bayes判别函数如下: GO118.6930.340X194.070X21.033X34.943X42.969X513.723X610.994X737.504X8 G1171.2960.184X1126.660X21.874X36.681X43.086X517.182X67.133X749.116X8 Funr^km匚opTHEiPtitg 0 1 : 340 164 94.070 126.660 1.033 1.074 •4343 -ejoei 2909 3.086 13723 U.I62 -10'394 -7.133 -彳伽4 ■49.11& ^1712Q6 FIInpadiscrminamnnciions 表4.5Bayes判别函数系数 将各样品的自变量值代入上述两个Bayes判别函数,得到两个函数值。 比较这两个函数值, 哪个函数值比较大就可以判断该样品该判入哪一类。 2)在判别结果的CasewiseStastics表中容易查到该客户属于groupO,信用好。 4.10从胃癌患者、萎缩性胃炎患者和非胃炎患者中分别抽取五个病人进行四项生化指标的 化验: 血清铜蛋白X1、蓝色反应X2、尿吲哚乙酸X3和中性硫化物X4,数据见 下表。 试用距离判别法建立判别函数,并根据此判别函数对原样本进行回判。 口力 类 rnu 胃癌患者 胃炎患者 萎缩性 非胃炎患 者 xl 34 00 111 35 8 1 11 2076 1 40278 1 1943 1 15 100 117 解: 令胃癌患者、萎缩性胃炎患者和非胃炎患者分别为group1、group2、group3,由于此题 中假设各类出现的先验概率相等且误判造成的损失也相等,所以距离判别法与bayes判别完 全一致。 用spss的解题步骤如下: 1.在SPSS窗口中选择Analyze宀Classify^Discriminate,调出判别分析主界面,将左边的变量 列表中的“group”变量选入分组变量中,将为、X2、X3、X4变量选入自变量中,并选择Enter independentstogether单选按钮,即使用所有自变量进行判别分析。 2.点击DefineRange按钮,定义分组变量的取值范围。 本例中分类变量的范围为1到3,所 以在最小值和最大值中分别输入1和3。 单击Continue按钮,返回主界面。 3.单击Statistics按钮,指定输出的描述统计量和判别函数系数。 选中FunctionCoefficients栏中的Fisher'S合出Bayes判别函数的系数。 4.单击Classify按钮,弹出classification子对话框,选中Display选项栏中的Summarytable复选框,即要求输出错判矩阵,以便实现题中对原样本进行回判的要求。 5.返回判别分析主界面,单击0K按钮,运行判别分析过程。 根据判别分析的结果建立Bayes判别函数: Bayes判别函数的系数见表4.6。 表中每一列表示样本判入相应类的Bayes判别函数系数。 由 此可建立判别函数如下: Group1: Y179.2120.164X1 Group2: Y246.7210.130X1 Group3: Y349.5980.130X1 0.753X2 0.595X2 0.637X2 0.778X3 0.317X3 0.100X3 0.073X4 0.012X4 0.059X4 将各样品的自变量值代入上述三个Bayes判别函数,得到三个函数值。 比较这三个函数值, 哪个函数值比较大就可以判断该样品判入哪一类。 ClassFTtcatlorifunctionCoeTTlcienls group 1 2 3 xl 垃 x3讷 (Consfcnt) .10* .7^8 .or3 -78212 .130 535 JI= □12 .130.en 10o -39 44.598 FiftiefBlineardiscriinirantfundon> 表4.6Bayes判别函数系数 根据此判别函数对样本进行回判,结果如表4.7。 从中可以看出在5个胃癌患者中,有4个被 正确地判定,有1个被错误地判定为非胃炎患者,正确率为80%。 在5个萎缩性胃炎患者中, 有4个被正确判定,有1个被错误地判定为非胃炎患者,正确率为80%。 在5个非胃炎患者中, 有4个被正确判定,有1个被错误地判为萎缩性胃炎患者。 整体的正确率为80.0%。 cias«fflca»[)nK»in«d ]rnu Prodctod4qupMcnrb&rerip Total 2 J Or-qr: l口rt 1 X 门 5 2 4 5 3 0 1 4 5 % 1 60.D .0 200 1CO.O 2 J ao.o 200 1CO.O 3 3 20.0 00Q ica.i 9SOC%ofari^nalgtcupedcasescorrectly 表4.7错判矩阵
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 多元 统计分析 课后 习题 解答 第四
![提示](https://static.bdocx.com/images/bang_tan.gif)