多元统计分析的理论基础 一、矩阵 二、多元正态分布

Presentation outline 1、 Matrices and vectors 2、 Random vector 3. Multivariate data matrix 4. Population mean vector, covariance and correlation

一、什么是多元统计分析 多元统计分析是运用数理统计的方法来研究多变量(多指标)问题的理论和方法,是一元统计学的推广

Univariate versus Multivariate Analysis Univariate analysis Solely interested in an isolated characteristic of a set of objects, irrespective of other variable characteristics possessed by the objects Examples the study of the achievement test scores of students X the salaries of workers

一、单个总体均值分量间结构关系的检验 问题引入 例设x~N2(,2)H=(A

假设检验的基本问题 1、假设检验的基本原理 小概率事件原理 小概率思想是指小概率事件(P<0.01或 P<0.05等)在一次试验中基本上不会发生。 反证法思想是先提出假设(检验假设H),再 用适当的统计方法确定假设成立的可能性大 小,如可能性小,则认为假设不成立;反之, 则认为假设成立

因子分析的重点 1、什么是因子分析? 2、理解因子分析的基本思想 3、因子分析的数学模型以及模型中公共因子、因子载荷变量共同度的统计意义 4、因子旋转的意义 5、结合SPSS软件进行案例分析

4.1判别分析的基本思想 一、什么是判别分析? 判别分析根据已知对象的某些观测指标和所属类别来判断未知对象所属类别的一种统计学方法。 如何判断(判断依据)?利用已知类别的样本信息求判别函数,根据判别函数对未知样本所属类别进行判别判别分析的特点(基本思想) 1、是根据已掌握的、历史上若干样本的p个指标数据及所属类别的信息,总结出该事物分类的规律性,建立判别公式和判别准则。 2、根据总结出来的判别公式和判别准则,判别未知类别的样本点所属的类别判别分析的目的:识别一个个体所属类别

Presentation Outline 1. What is discriminant analysis? 2 Two populations discriminant analysis 3, More than two populations discriminant analysis -distance discriminant analysis -Bayes discriminant analysis -Fisher discriminant analysis -variable selection discriminant analysis (forward discriminant analysis) (backward discriminant analysis) (stepwise discriminant analysis)

1、掌握什么是主成分分析? 2、理解主成分分析的基本思想和几何意义? 3、理解主成分求解方法:协方差矩阵与相关系数矩阵的差异? 4、掌握运用SPSS或SAS软件求解主成分 5、对软件输出结果进行正确分析