企业判别判别函数判别为1的判别的为2 序号类型 得分 概率 概率 -56509 69479 30521 -.89817 80234 19766 12345678 1 -59642 70620 29380 -1.02182 83420 16580 12222 25719 35312 64688 34253 32005 67995 27925 34442 65558 1.24010 09012 90988
企业 序号 判别 类型 判别函数 得分 判别为1的 概率 判别的为2 概率 1 1 -.56509 .69479 .30521 2 1 -.89817 .80234 .19766 3 1 -.59642 .70620 .29380 4 1 -1.02182 .83420 .16580 5 2 .25719 .35312 .64688 6 2 .34253 .32005 .67995 7 2 .27925 .34442 .65558 8 2 1.24010 .09012 .90988
判别分析的特点是根据已掌握的、历 史上每个类别的若干样本的数据信息,总 结出客观事物分类的规律性,建立判别公 式和判别准则。然后,当遇到新的样本点 时,只要根据总结出来的判别公式和判别 准则,就能判别该样本点所属的类别
判别分析的特点是根据已掌握的、历 史上每个类别的若干样本的数据信息，总 结出客观事物分类的规律性，建立判别公 式和判别准则。然后，当遇到新的样本点 时，只要根据总结出来的判别公式和判别 准则，就能判别该样本点所属的类别
§2距离乳别 (一)马氏距离 距离判别的最直观的想法是计算样品到第i类总 体的平均数的距离,哪个距离最小就将它判归哪 个总体,所以,我们首先考虑的是是否能够构造 个恰当的距离函数,通过样本与某类别之间距 离的大小,判别其所属类别
§2 距离判别 （一）马氏距离 距离判别的最直观的想法是计算样品到第i类总 体的平均数的距离，哪个距离最小就将它判归哪 个总体，所以，我们首先考虑的是是否能够构造 一个恰当的距离函数，通过样本与某类别之间距 离的大小，判别其所属类别
设 x=(x2,x2…,xn)和y=(1y2…,ymn)是从 期望=(4,2…4m和方差阵E=(a)>0 的总体G抽得的两个观测值,则定义 X与Y之间的 Mahalanobis,距离 d(x,y)=(x-y)2(x-y) 样本X和G类之间的马氏距离定义为X与G1类 重心间的距离: (x,G)=(x-1)2(x-41)i=12,…3k
设 是从 期望μ= 和方差阵Σ= 的总体G抽得的两个观测值，则定义 x = (x1 , x2 , , x m )和 ( , , , ) 1 2 = m y y y y ( , , , ) 1 2 m ( ) 0 ij mm ( , ) ( ) ( ) 2 x y x y x y 1 = − − − d d G i k i i i ( , ) ( ) ( ) 1,2, , 2 x = x − −1 x − = 样本X和Gi类之间的马氏距离定义为X与Gi类 重心间的距离： X与Y之间的Mahalanobis距离
(二)两个总体距离判别法 1、方差相等 先考虑两个总体的情况,设有两个协差阵∑相同 的p维正态总体,对给定的样本Y,判别一个样本Y到 底是来自哪一个总体,一个最直观的想法是计算Y到 两个总体的距离。故我们用马氏距离来给定判别规 则,有: y∈G,如d2(y,G1)<a(y,G2 y∈G2,如dl(y,G2)<a(y,G) 待判,如(yG)=d(G)点
（二）两个总体距离判别法 先考虑两个总体的情况，设有两个协差阵相同 的p维正态总体，对给定的样本Y，判别一个样本Y到 底是来自哪一个总体，一个最直观的想法是计算Y到 两个总体的距离。故我们用马氏距离来给定判别规 则，有： ( ) ( ) ( ) ( ) = ( , ) ( , ) 2 2 1 2 1 2 2 2 2 2 2 1 2 1 d y G d y G G d G d G G d G d G 待判， 如 ， 如 ， ， ， 如 ， ， ， y y y y y y 1、方差相等