判别分析作业

1 马氏距离 1）原理 设 x、y 是均值向量为μ、协方差矩阵为V 的总体G 中抽取的两个样品，定义 x、y  之间的马氏距离为： 定义 x 和总体 G 之间的马氏距离为： 由马氏距离整理可以得到判别函数， ，则有 这就是马氏距离判别。 2）数据 G1=[1 2;2 1;0 4;2 3;1 4;2.3 3.4;1.4 0.5;0.5 5.5;2.4 3.3;1.4 0.3]’; G2=[20 1;3 2;4 3;5 6;5 4;2 1.5;20 3.5;4 23;9 6.0;6 4]’; 待分类个体：x=[4.5 3.2]' 3)程序 G1=[1 2;2 1;0 4;2 3;1 4;2.3 3.4;1.4 0.5;0.5 5.5;2.4 3.3;1.4 0.3]; G2=[20 1;3 2;4 3;5 6;5 4;2 1.5;20 3.5;4 23;9 6.0;6 4]; x=[4.5 3.2]; u11=mean(G1(:,1)); u12=mean(G1(:,2)); u1=[u11,u12] u21=mean(G2(:,1)); u22=mean(G2(:,2)); u2=[u21,u22] u3=(u1+u2)/2; V=cov(G1,G2); f=(u1-u2)*inv(V)*(x-u3)' if f<=0 disp x属于第一类 else disp x属于第二类 end 4）实验结果 2 贝叶斯判别 1) 原理 假设有 m 个总体为 G1, …,Gm ，对应的概率密度 各不相同，假设m 个总体出现的先验概率分别为： 。假设将属于Gi 的样品错判给 Gj 的损失记为C(j|i)。 显然有 C(i|i)=0 ，C(j|i)≥0 。假设判别规则为： R=(R1, …,Rm )。则根据此规则的错判概率为： 判别法则R把来自总体Gi 的个体错判给其它总体的平均损失： 用规则R进行判别的总平均损失： Bayes 法则：选择R，使总平均损失g(R) 达到最小。 2）数据 周立功单片机某一性能参数检测统计中，合格 和不合格 两类先验概率分别为： 合格：P( )=0.85    不合格：P( )=0.15 现有一系列待检测的性能参数，检测值x为： -1.9847  -2.2692  -3.5549   -1.2401  -0.9780  -2.8531  -2.2355  -3.3287  -3.5414  -3.4549   -3.0752     -0.7932    -3.4534    2.8562  -0.9780    0.7932  1.1882    3.0682      -2.5799  -1.4885  -0.7431 、 类条件概率分布正态分布分别为（-2，0.09）（2,4）。决策为 ( 表示 的简写)， =5, =2， =0。 试对观察的结果进行分类。 3）程序 x=[-1.9847 -2.2692 -3.5549 -1.2401 -0.9780 -2.8531 -2.2355 -3.3287 -3.5414 -3.4549 -3.0752 -0.7932 -3.4534 2.8562 -0.9780 0.7932 1.1882 3.0682 -2.5799 -1.4885 -0.7431]'; p1=0.85; p2=0.15; n11=0; n12=5; n21=2; n22=0; n=length(x); for i=1:n px1(i)=normpdf(x(i),-2,0.3); px2(i)=normpdf(x(i),2,2); px(i)=px1(i)*p1+px2(i)*p2; ph1(i)=px1(i)*p1/px(i); ph2(i)=px2(i)*p2/px(i); plot(x(i),ph1(i),'b*',x(i),ph2(i),'r*'),grid on,hold on end r1=n11*ph1+n12*ph2; r2=n21*ph1+n22*ph2; j=0; k=0; for i=1:n if r1(i)=r2(i) k=k+1; w2(k)=x(i); end end w1 w2 4）实验结果 3 fisher判别 1）原理 假设有m 个总体G1, …,Gm ，xi 表示来自总体Gi 的样品。对任一给定的方向u， xi 在该方向上的投影为 ，在u 方向各总体之间的分离程度——组间离差为 ；在u方向各总体内部的聚集程度——组内离差为 ；Fisher判别的思想：选择u，B(u)/E(u) 达到最大。 2）数据 以下是我国10个省市的发展报告的部分数据，试用fisher判别法将其分为两类。 省市名 出生预期寿命（年） 成人识字率% 人均GDP（元） 预期分类 北京 76 99 5375 1 上海 79.5 99 5359 1 浙江 78 99 5372 2 河南 72.1 95.9 5370 1 河北 73.8 77.7 5370 1 辽宁 71.2 93 4250 2 吉林 75.3 94.9 3412 2 江苏 70 91.2 3990 1 福建 62.8 80.6 3799 2 安徽 72.8 99 2300 2           3）程序和

步骤

新产品开发流程的步骤课题研究的五个步骤成本核算步骤微型课题研究步骤数控铣床操作步骤

Step1 分组输入数据，构建源变量表； Step2 在菜单栏中依次选择“

分析

定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析

”|“分类”|“判别”命令，打开“判别分析”的对话框； Step3 在源变量表中选择出“生预期寿命”、“成人识字率”、“人均GDP”选入“自变量”，将“预期类别”选入“分组变量”中； Step4 单击“定义范围”按钮，定义分类的取值范围为1—2，单击继续； Step5 单击统计量按钮，在函数系数中，勾选fisher（F），其余默认值； Step6 单击“确定”按钮，别可以得到fisher的判别分析的结果。 4）实验结果 组统计量 VAR00005 均值

标准

excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载

差 有效的 N（列表状态） 未加权的 已加权的 1.00 出生预期寿命 74.2800 3.65746 5 5.000 成人识字率 92.5600 8.89904 5 5.000 人均GDP 5067.0000 604.54032 5 5.000 2.00 出生预期寿命 72.0200 5.76212 5 5.000 成人识字率 96.9800 2.84640 5 5.000 人均GDP 3846.6000 1126.18506 5 5.000 合计 出生预期寿命 73.1500 4.70325 10 10.000 成人识字率 94.7700 6.65015 10 10.000 人均GDP 4456.8000 1067.62913 10 10.000             特征值 函数 特征值 方差的 % 累积 % 正则相关性 1 .724a 100.0 100.0 .648 a. 分析中使用了前 1 个典型判别式函数。           Wilks 的 Lambda 函数检验 Wilks 的 Lambda 卡方 df Sig. dimension0 1 .580 3.541 3 .315             分类函数系数   VAR00005 1.00 2.00 出生预期寿命 2.718 2.689 成人识字率 1.793 1.900 人均GDP .001 .000 (常量) -187.351 -188.971 Fisher 的线性判别式函数