高級統(tǒng)計學：判別分析

判別分析

DiscriminateAnalysis

例1.現(xiàn)有患胃炎的病人和健康人的一些化驗指標?？梢詮倪@些化驗指標發(fā)現(xiàn)兩類人的區(qū)別。把這種區(qū)別表示為一個判別公式，然后對懷疑患胃炎的人根據(jù)其化驗指標用判別公式診斷。例2：對若干已明確診斷為癌癥和無癌癥病人均用顯微分光光度計檢測，共三個指標，分別為三倍體得分，八倍體得分，不整倍體得分，根據(jù)樣本建立判別函數(shù)Y＝X1+10X2+10X3,判別準則:Y>100判斷為癌癥，Y<100判斷為非癌癥?；靖拍睿号袆e分析：根據(jù)一批分類明確的樣本的若干指標的觀察值，建立一個關(guān)于指標的判別函數(shù)和判別準則，然后根據(jù)這個判別函數(shù)和判別準則對新的樣本進行分類，并且根據(jù)回代判別的準確率評估它的實用性。判別分析與聚類分析區(qū)別：判別分析：已知分為若干類的前提下判定觀察對象的歸屬。聚類分析：不知道應分多少類的情況下進行探索性分析，對觀察對象依據(jù)某些數(shù)量特征進行分類。訓練樣本：已知實際分類并且各指標的值已知。判別函數(shù)：關(guān)于指標變量的函數(shù)。每個樣本在指標變量上的觀察值代入判別函數(shù)后可以得到確定的函數(shù)值。判別準則：用于樣本分類的法則。根據(jù)判別對象的若干觀測指標判定應屬于哪一類？訓練樣本判別函數(shù)判別分類用途：臨床輔助鑒別診斷，計量診斷學的基礎(chǔ)。訓練樣本要求：?自身觀測值已知；所屬類別已知?每一個體所屬類別必須用“金標準”確認?解釋變量與分類有關(guān)；樣本含量夠大No解釋變量分類x1x2…XpY1x11x12…X1pY1…………Y2nxn1xn2…xnpYn常用判別分析方法?Fisher判別－以距離作為判別準則–樣本與哪一類的距離最短就分到哪一類–適用兩類判別?Bayes判別－以概率作為準則–樣本屬于哪一類的概率大就分到哪一類–適用多類判別Fisher判別即把K類的m維數(shù)據(jù)投影(變換)到某一個方向，使得變換后的數(shù)據(jù)，同類別的點“盡可能聚在一起”，不同類別的點“盡可能分離”，以此達到分類的目的。投影使得類間差異大、類內(nèi)差異小Fisher判別步驟1、建立線性判別函數(shù)2、建立判別準則3、估計各項指標對判別函數(shù)的貢獻率，剔除貢獻率很小的指標，重新建立判別函數(shù)例.某種產(chǎn)品的生產(chǎn)廠家有12家，其中7家的產(chǎn)品受消費者歡迎，屬暢銷品，定義為1類；5家的產(chǎn)品不受消費者歡迎，屬滯銷品，定義為2類。將12家的產(chǎn)品的式樣，包裝和耐久性進行了評估后，得分資料。今有一新得廠家，得分為（6，4，5），該產(chǎn)品是否受歡迎。dataa;inputtype$x1x2x3@@;cards;198717661878185519931897175624442366263322452122；procdiscrim;classtype;varx1x2x3;run;SAS程序如下：Fisher判別函數(shù)Z1=-26.74+4.22x1+0.76x2+2.40x3Z2=-6.67+1.66x1+0.52x2+1.51x3今有一新得廠家，得分為（6，4，5），該產(chǎn)品是否受歡迎？Z1=13.62,Z2=12.92,判為1類。距離判別只要求知道總體的數(shù)字特征，不涉及總體的分布函數(shù)，當參數(shù)未知和協(xié)方差時，就用樣本的均值和協(xié)方差矩陣來估計。距離判別方法簡單實用，但沒有考慮到每個總體出現(xiàn)的機會大小，即先驗概率，沒有考慮到錯判的損失。貝葉斯判別法正是為了解決這兩個問題提出的判別分析方法。Bayes判別Bayes公式；以概率為依據(jù)；計數(shù)資料用于多類判別判別規(guī)則：屬于第K類的樣品，在第K類中取得最大的后驗概。已知各類的先驗概率；各類服從多元正態(tài)分布且協(xié)方差矩陣相等。Bayes公式：

按主觀意識，一個人是好人或壞人的概率均為0.5。壞人總是要做壞事，好人總是做好事，偶爾也會做一件壞事。一般好人做好事的概率為0.9，壞人做好事的概率為0.2，一天，小王做了一件好事