，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：判别分析解决样品分类问题
【摘要】：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
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．看来，一些判别标准都是有原型的，而不是凭空想出来的．虽然这些判别的标准并不全是那么精确或严格，但大都是根据一些现有的模型得到的．有一些昆虫的性别很难看出，只有通过解剖才能够判别；但是雄性和雌性昆虫在若干体表度量上有些综合的差异．于是统计学家就根据已知雌雄的昆虫体表度量（这些用作度量的变量亦称为预测变量）得到一个标准，并且利用这个标准来判别其他未知性别的昆虫．这样的判别虽然不能保证百分之百准确，但至少大部分判别都是对的，而且用不着杀死昆虫来进行判别了．这种判别的方法就是本章要介绍的判别分析．
判别分析和前面的聚类分析有什么不同呢？主要不同点就是，在聚类分析中一般人们事先并不知道或一定要明确应该分成几类，完全根据数据来确定．而在判别分析中，至少有一个已经明确知道类别的“训练样本”，利用这些数据，就可以建立判别准则，并通过预测变量来为未知类别的观测值进行判别了．和聚类分析相同的是，判别分析也是利用距离远近来将对象归类的．(www.chuimin.cn)
在实际问题中，判别分析具有重要意义．例如，在寿命试验中，只有在被试样品用坏时寿命才能得到．而判别分析可以根据某些非破坏性测量指标，便可将产品质量分出等级．又如在医学诊断中，可以通过某些便于观测的指标，对疾病的类型做出诊断．利用计算机对某人是否有心脏病进行诊断时，可以选取一批没有心脏病的人，测量其p 个指标的数据，然后再选取一批有心脏病的人，同样也测量这p 个指标的数据，利用这些数据建立一个判别函数，并求出相应的临界值．这时，对于需要进行诊断的人，也同样测量这p 个指标的数据，将其代入判别函数，求得判别得分，再根据判别临界值就可以判断此人是否属于有心脏病的那一群体．又如，在考古学中，对化石及文物年代的判断；在地质学中，判断是有矿还是无矿；在质量管理中，判断某种产品是合格品，还是不合格品；在植物学中，对于新发现的植物，判断其属于哪一科．总之，判别分析方法在很多学科中都有着广泛的应用．
通常各个总体的分布是未知的，它需要由各总体取得的样本数据来估计．一般，先要估计各个总体的均值向量与协方差矩阵．从每个总体取得的样本叫训练样本，判别分析从各训练样本中提取总体的信息，构造一定的判别准则，判断新样品属于哪个总体．从统计学的角度，要求判别在某种准则下最优，例如错判（或误判）的概率最小或错判的损失最小等．由于判别准则不同，有各种不同的判别方法．
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：iris数据集的聚类分析结果详细阅读
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详细阅读
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,…......
2023-11-18
-
一元线性回归回顾-基于R实验详细阅读
回归分析的基本思想和方法以及“回归”名词的由来，要归功于英国统计学家高尔顿（Galton）．高尔顿和他的学生、现代统计学的奠基者之一皮尔逊（Pearson）在研究父母身高与其子女身高的遗传关系时，观察了1 078对夫妇，以每对夫妇的平均身高作为x，而取他们的一个成年儿子的身高作为y，将这些数据画成散点图，发现趋势近似一条直线＝33．73＋0．516x（单位：英寸，1英寸＝2．54 cm）．这表明：......
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
-
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
-
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stackloss数据集逐步回归详细阅读
对R 自带的stackloss数据集进行逐步回归．（1）首先显示stackloss数据集的信息其中，变量为stack．loss（氨气损失百分比），Air．Flow（空气流量），Water．Temp（水温），Acid．Conc．（硝酸浓度）．（2）计算变量间的相关性——相关系数＞cor(stackloss)结果如下：（3）散布图矩阵＞library(car)＞scatterplotMatrix(st......
2023-11-18
相关推荐