应用多元统计分析考试要点

1 简述欧氏距离与马氏距离的区别和联系。

答： 设p 维空间中的两点X =和Y =。

则欧氏距离为。

欧氏距离的局限有①在多元数据分析中，其度量不合理。

②会受到实际问题中量纲的影响。

设X,Y 是来自均值向量为，协方差为的总体G 中的p 维样本。

则马氏距离为D(X,Y)=。

当即单位阵时，D(X,Y)==即欧氏距离。

因此，在一定程度上，欧氏距离是马氏距离的特殊情况，马氏距离是欧氏距离的推广。

2 试述判别分析的实质。

答：判别分析就是希望利用已经测得的变量数据，找出一种判别函数，使得这一函数具有某种最优性质，能把属于不同类别的样本点尽可能地区别开来。

设R1，R2，…，Rk 是p 维空间R p 的k 个子集，如果它们互不相交，且它们的和集为，则称为的一个划分。

判别分析问题实质上就是在某种意义上，以最优的性质对p 维空间构造一个“划分”，这个“划分”就构成了一个判别规则。

3 简述距离判别法的基本思想和方法。

答：距离判别问题分为①两个总体的距离判别问题和②多个总体的判别问题。

其基本思想都是分别计算样本与各个总体的距离（马氏距离），将距离近的判别为一类。

①两个总体的距离判别问题设有协方差矩阵∑相等的两个总体G 1和G 2，其均值分别是μ1和μ 2，对于一个新的样品X ，要判断它来自哪个总体。

计算新样品X 到两个总体的马氏距离D 2（X ，G 1）和D 2（X ，G 2），则X ，D 2（X ，G 1）D 2（X ，G 2）X ，D 2（X ，G 1）> D 2（X ，G 2， 具体分析，2212(,)(,)D G D G -X X111122111111111222*********()()()()2(2)2()-----------''=-----''''''=-+--+'''=-+-X μΣX μX μΣX μX ΣX X ΣμμΣμX ΣX X ΣμμΣμX ΣμμμΣμμΣμ11211212112122()()()2()22()2()---''=-++-'+⎛⎫=--- ⎪⎝⎭''=--=--X ΣμμμμΣμμμμX ΣμμX μααX μ 记()()W '=-X αX μ 则判别规则为X ，W(X) X ，W(X)<0②多个总体的判别问题。

设有k 个总体k G G G ,,,21 ，其均值和协方差矩阵分别是k μμμ,,,21 和k ΣΣΣ,,,21 ，且ΣΣΣΣ====k 21。

计算样本到每个总体的马氏距离，到哪个总体的距离最小就属于哪个总体。

具体分析，21(,)()()D G ααα-'=--X X μΣX μ111122()C ααααα----'''=-+''=-+X ΣX μΣX μΣμX ΣX I X取ααμΣI 1-=，αααμΣμ121-'-=C ，k ,,2,1 =α。

可以取线性判别函数为()W C ααα'=+X I X ， k ,,2,1 =α 相应的判别规则为i G ∈X 若 1()max()i kW C ααα≤≤'=+X I X4 简述贝叶斯判别法的基本思想和方法。

基本思想：设k 个总体k G G G ,,,21 ，其各自的分布密度函数)(,),(),(21x x x k f f f ，假设k 个总体各自出现的概率分别为k q q q ,,,21 ，0≥i q ，11=∑=ki iq。

设将本来属于i G 总体的样品错判到总体j G 时造成的损失为)|(i j C ，k j i ,,2,1, =。

设k 个总体k G G G ,,,21 相应的p 维样本空间为 ),,,(21k R R R R =。

在规则R 下，将属于i G 的样品错判为j G 的概率为x x d f R i j P jR i )(),|(⎰= j i kj i ≠=,,2,1,则这种判别规则下样品错判后所造成的平均损失为∑==kj R i j P i j C R i r 1)],|()|([)|( k i ,,2,1 =则用规则R 来进行判别所造成的总平均损失为∑==ki i R i r q R g 1),()(∑∑===ki kj i R i j P i j C q 11),|()|(贝叶斯判别法则，就是要选择一种划分k R R R ,,,21 ，使总平均损失)(R g 达到极小。

基本方法：∑∑===k i kj i R i j P i j C q R g 11),|()|()(x x d f i j C q ki kj R i i j∑∑⎰===11)()|(∑⎰∑===k j R ki i i jd f i j C q 11))()|((x x令1(|)()()k iiji q C j i f h ==∑x x ，则 ∑⎰==kj R j jd h R g 1)()(x x若有另一划分),,,(**2*1*kR R R R =，∑⎰==kj R j jd h R g 1**)()(x x则在两种划分下的总平均损失之差为∑∑⎰==⋂-=-k i kj R R j i ji d h h R g R g 11**)]()([)()(x x x因为在i R 上)()(x x j i h h ≤对一切j 成立，故上式小于或等于零，是贝叶斯判别的解。

从而得到的划分),,,(21k R R R R =为1{|()min ()}i i j j kR h h ≤≤==x x x k i ,,2,1 =5 简述费希尔判别法的基本思想和方法。

答：基本思想：从k 个总体中抽取具有p 个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数1122()p p U u X u X u X '=+++=X u X 系数),,,(21'=p u u u u 可使得总体之间区别最大，而使每个总体内部的离差最小。

将新样品的p 个指标值代入线性判别函数式中求出()U X 值，然后根据判别一定的规则，就可以判别新的样品属于哪个总体。

6 试析距离判别法、贝叶斯判别法和费希尔判别法的异同。

答：① 费希尔判别与距离判别对判别变量的分布类型无要求。

二者只是要求有各类母体的两阶矩存在。

而贝叶斯判别必须知道判别变量的分布类型。

因此前两者相对来说较为简单。

② 当k=2时，若则费希尔判别与距离判别等价。

当判别变量服从正态分布时，二者与贝叶斯判别也等价。

③ 当时，费希尔判别用作为共同协差阵，实际看成等协差阵，此与距离判别、贝叶斯判别不同。

④ 距离判别可以看为贝叶斯判别的特殊情形。

贝叶斯判别的判别规则是 X ，W(X)X ，W(X)<lnd 距离判别的判别规则是 X ，W(X) X ，W(X)<0二者的区别在于阈值点。

当21q q =，)1|2()2|1(C C =时，1=d，0ln =d 。

二者完全相同。

7 判别分析和聚类分析有何区别？答：即根据一定的判别准则，判定一个样本归属于哪一类。

具体而言，设有n 个样本，对每个样本测得p 项指标（变量）的数据，已知每个样本属于k 个类别（或总体）中的某一类，通过找出一个最优的划分，使得不同类别的样本尽可能地区别开，并判别该样本属于哪个总体。

聚类分析是分析如何对样品（或变量）进行量化分类的问题。

在聚类之前，我们并不知道总体，而是通过一次次的聚类，使相近的样品（或变量）聚合形成总体。

通俗来讲，判别分析是在已知有多少类及是什么类的情况下进行分类，而聚类分析是在不知道类的情况下进行分类。

8试述系统聚类的基本思想。

答：系统聚类的基本思想是：距离相近的样品（或变量）先聚成类，距离相远的后聚成类，过程一直进行下去，每个样品（或变量）总能聚到合适的类中。

9 对样品和变量进行聚类分析时， 所构造的统计量分别是什么？简要说明为什么这样构造？答：对样品进行聚类分析时，用距离来测定样品之间的相似程度。

因为我们把n 个样本看作p 维空间的n 个点。

点之间的距离即可代表样品间的相似度。

常用的距离为 （一）明氏距离：1/1()()pq qij ik jk k d q X X ==-∑q 取不同值，分为（1）绝对距离（1q =）1(1)pij ik jk k d X X ==-∑（2）欧氏距离（2q =）21/21(2)()pij ik jk k d X X ==-∑（3）切比雪夫距离（q =∞）1()max ij ik jk k pd X X ≤≤∞=-（二）马氏距离（三）兰氏距离对变量的相似性，我们更多地要了解变量的变化趋势或变化方向，因此用相关性进行衡量。

将变量看作p 维空间的向量，一般用（一）夹角余弦 （二）相关系数10 在进行系统聚类时，不同类间距离计算方法有何区别？选择距离公式应遵循哪些原则？ 答： 设d ij 表示样品X i 与X j 之间距离，用D ij 表示类G i 与G j 之间的距离。

（1）. 最短距离法,mini k j rkr ij X G X G D d ∈∈=min{,}kp kq D D =（2）最长距离法,maxi p j qpq ij X G X G D d ∈∈=,maxi k j rkr ij X G X G D d ∈∈=max{,}kp kq D D =（3）中间距离法其中（4）重心法2()()pq p q p q D X X X X '=-- )(1q q p p rrX n X n n X +=22222p q p q kr kp kq pq rrr n n n n D D D D n n n =+-21()()()ij i j i j d M -'=--X X ΣX Xcos pik jkij X X θ=∑()()pik i jk j ij X X X X r --=∑22222121pq kq kp kr D D D D β++= 11()p ik jk ij k ik jk X X d L p X X =-=+∑（5）类平均法221i p j jpq ijX G X G p qD d n n ∈∈=∑∑ 221i k j rkrijX G X G k r D dn n ∈∈=∑∑22p q kpkq rrn n D D n n =+（6）可变类平均法其中β是可变的且β <1（7）可变法22221()2kr kp kq pq D D D D ββ-=++ 其中β是可变的且β <1 （8）离差平方和法1()()tn t it t it t t S X X X X ='=--∑2222k p k q k krkpkq pq r kr kr kn n n n n D D D D n n n n n n ++=+-+++11通常选择距离公式应注意遵循以下的基本原则：（1）要考虑所选择的距离公式在实际应用中有明确的意义。