在实验2．3．2中曾对iris数据集进行描述和展示，在实验2．3．4中曾对iris数据集进行可视化．以下将对iris数据集进行进行聚类分析．根据实验2．3．4，我们只知道数据集内有三个品种鸢尾花而不知道每朵花的真正分类，只能凭借花萼及花瓣的长度和宽度分类．以下对鸢尾花iris数据集进行聚类分析，代码如下：＞data(iris);attach(iris)＞iris．hc1＜-hclust(dist(......
2023-11-18
基于R的实验：多重比较的均值分析
【摘要】：如果F 检验的结论是拒绝H0，则说明因素A 的r 个水平有显著差异，也就是说，r 个均值之间有显著差异．但这并不意味着所有均值之间都有显著差异，这时还需要对每一对μi 和μj 作一一比较．通常采用多重t检验方法进行多重比较．这种方法本质上就是针对每组数据进行t检验，只不过估计方差时利用的是全部数据，因而自由度变大．具体地说，要比较第i组和第j 组均值，即检验H0：μi＝μj,i≠j,i,j＝1,2,…
如果F 检验的结论是拒绝H0，则说明因素A 的r 个水平有显著差异，也就是说，r 个均值之间有显著差异．但这并不意味着所有均值之间都有显著差异，这时还需要对每一对μi 和μj 作一一比较．
通常采用多重t检验方法进行多重比较．这种方法本质上就是针对每组数据进行t检验，只不过估计方差时利用的是全部数据，因而自由度变大．具体地说，要比较第i组和第j 组均值，即检验
H0：μi＝μj,i≠j,i,j＝1,2,…,r．
以下采用两个正态总体均值的t检验，取检验统计量
当H0 成立时，tij～t（n－r），所以当
时，说明μi 和μj 差异显著．定义相应的p 值为
(www.chuimin.cn)
即服从自由度为n－r的t分布的随机变量大于|tij|的概率．若p 值小于指定的α值，则认为μi 和μj 有显著差异．
多重t检验方法的优点是使用方便，但在均值的多重检验中，如果因素的水平较多，而检验又是同时进行的，则多次重复使用t 检验会增加犯第一类错误的概率，所得到的“有显著差异”的结论不一定可靠．
为了克服多重t 检验方法的缺点，统计学家们提出了许多更有效的方法来调整p 值．由于这些方法涉及较深的统计知识，这里只作简单的说明．具体调整方法的名称和参数见表6-3．调用函数“p．adjust．methods”可以得到这些参数（详见原教材的例6．1．6）．
表6-3 p 值的调整方法
R 中函数“aov（ ）”提供了（单因素）方差分析的计算与检验，其调用格式为
aov(formula,data＝NULL,projections＝FALSE,qr＝TRUE,contrasts＝NULL,．．．)
说明：formula是方差分析的公式，在单因素方差分析中它表示为x～A，data是数据框．
有关应用多元统计分析：基于R的实验的文章
- 详细阅读
-
基于R的实验：Harman74数据集的因子分详细阅读
Harman74．cor数据集是R 软件自带的数据集，以下对该数据集进行因子分析．（1）查看Harman74数据集中（前面）部分信息Harman74．cor数据集，包含了对芝加哥郊区145名七年级和八年级儿童进行的24 项心理测试指标的相关系数矩阵．其中的24 项心理测试指标包括：VisualPerception，Cubes，PaperFormBoard，Flags，GeneralInformat......
2023-11-18
-
基于R的实验-Logistic模型详细阅读
，xp，用向量表示X＝（x1，x2，…，βp 为待估参数．Logistic回归模型中的参数估计常用极大似然估计法得到．设y 是0－1变量，x1，x2，…，n），取P＝πi，P＝1－πi，则yi 的联合概率函数为，yi＝0，1；i＝1，2，…，yn 的似然函数为对数似然函数为对于Logistic回归，将代入，得令＝0，可以用数值计算求待估参数β0，β1，β2，…，βp 的极大似然估计．用R 软件可以解决Logistic回归模型中的参数估计、检验等问题．......
2023-11-18
-
基于R的实验：城市居民消费性支出聚类分析详细阅读
表7-1给出了我国31个省、市、自治区1999年城镇居民家庭平均每人全年消费支出的8个指标：x1：人均食品支出（元、人）；x2：人均衣着商品支出（元、人）；x3：人均家庭设备用品及服务支出（元、人）；x4：人均医疗保健支出（元、人）；x5：人均交通和通讯支出（元、人）；x6：人均娱乐教育文化服务支出（元、人）；x7：人均居住支出（元、人）；x8：人均杂项商品和服务支出（元、人）．表7-1全国城镇......
2023-11-18
-
应用多元统计分析方法：基于R实验详细阅读
多元统计分析是统计学中应用性很强的一个分支，它的应用范围十分广泛．多元统计分析可以应用于几乎所有的领域，主要包括经济学、农业、地质学、医学、工业、气象学、金融、精算、物理学、地理学、军事科学、文学、法律、环境科学、考古学、体育科学、遗传学、教育学、生物学、管理科学、水文学等，还有一些交叉学科或方向等．多元统计分析的应用实在是难以一一罗列，以下简要地介绍一下多元统计分析在文学、数据挖掘（作为交叉学科......
2023-11-18
-
基于R的实验：判别分析解决样品分类问题详细阅读
在自然科学和社会科学的研究中，研究对象用某种方法已划分为若干类型．当得到一个新的样本数据（通常为多元数据），要确定该样品属于已知类型中哪一类，这类问题属于判别分析（discriminate analysis）．判别分析是以判别个体所属群体的一种统计方法，它产生于20世纪30年代．近些年来，判别分析在许多领域中得到广泛应用．人们常说“像诸葛亮那么神机妙算”“像泰山那么稳固”“如钻石那样坚硬”等等．看......
2023-11-18
-
应用多元统计分析：基于R的实验方法简介详细阅读
如果是，建立变量之间的定量关系式，并用于预测或控制——回归分析．变量之间的相互关系：分析两组变量之间的相互关系——典型相关分析．多元数据的统计推断这是关于参数估计和假设检验的问题．特别是多元正态分布的均值向量和协方差矩阵的估计和假设检验等问题．多元统计分析的理论基础多元统计分析的理论基础包括多维随机向量，以及由此定义的各种多元统计量，推导它们的分布并研究其性质，研究它们的抽样分布理论．......
2023-11-18
-
应用多元统计分析：基于R的实验-框架与内容安详细阅读
随着大数据、人工智能在我们日常生活的渗透，学习多元统计分析的人越来越多．“多元统计分析”课程已经被越来越多高校列为相关专业的必修课或选修课．《多元统计分析》教材的特点各有不同，有的教材侧重理论的讲述，读者需要具备较深厚的数学基础；有的教材则注重模型的应用，理论和技术细节不是重点．作者认为，对于侧重“应用”多元统计方法进行数据处理和分析的读者，重点不在于理解多元统计方法的理论证明和公式推导，而是要应......
2023-11-18
相关推荐