如果您无法下载资料,请参考说明:
1、部分资料下载需要金币,请确保您的账户上有足够的金币
2、已购买过的文档,再次下载不重复扣费
3、资料包下载后请先用软件解压,在使用对应软件打开
判别分析与聚类分析软件用户使用手册手册使用说明:手册使用说明:在您使用本软件之前请详细阅读本文档,对软件有一个详细的了解之后再使用。本文档包括了对软件中用到的多元统计分析中判别分析与聚类分析的主要方法(包括距离判别分析、费希尔判别分析、贝叶斯判别分析、逐步判别分析及聚类分析)原理及在本软件中使用的基本方法与设计流程图进行了详尽的阐释,在通过本文档的阅读对软件有一个总体的了解后再确定您要使用的分析方法目录一、软件分析软件分析阶段………………………………………3p软件分析阶段………………………………………3p………………………………………软件开发阶段………………………………………4p软件开发阶段………………………………………4p………………………………………二、使用说明判别分析程序使用说明书……………………5p逐步判别分析软件使用说明…………………9p聚类分析软件使用说明………………………11p三、程序设计说明距离判别分析…………………………………9p费希尔判别分析………………………………10p贝叶斯判别分析………………………………11p逐步判别分析…………………………………12p聚?aid="sogousnap0_33">分析………………………………………15p四、流程图距离判别分析程序设计流程图………………………19p费希尔判别分析程序设计流程图……………………22p贝叶斯判别分析程序设计流程图………………………26p逐步判别分析程序设计流程图………………………28p聚类分析程序设计流程图……………………………31p软件分析一、软件分析阶段问题定义及需求分析判别分析是根据观察或测量到的若干变量值,判断研究对象如何分类的方法。在自然科学和社会科学的各个领域经常遇到需要对某个个体属于哪一类进行判断的情况,如已知肝病有多种类型,据病人的症候判断得的是哪一种肝病,又如已知某地区的土壤类型,据土壤样品的测定数据判断属于何种土壤类型。一般来讲,有k个总体G1,G2,?,Gk,它们的分布密度函数分别是f1(X),f2(X),?,f3(X)。对于给定的一个样品X=(x1,x2,?,xm),判别分析是判断它T属于k个总体中哪一个的统计方法。判别分析事先已知对象的类别和类别数,它正是在这样的情形下总结出分类方法,用于对新对象的分类。例如,医学实践中根据各种化验结果、疾病症状、体征判断患者患的是什么疾病;体育选材中根据运动员的体形、运动成绩、生理指标、心里素质指标、遗传因素判断是否选入运动队继续培养;动物、植物分类等都可以用判别分析来解决。判别分析是应用计算机进行运动员选材、动物、植物分类以及疾病辅助诊断的主要统计学基础。聚类分析是根据“物以类聚”的道理,对样品或指标进行分类的一种多元统计分析方法。他们讨论的对象是一大堆样品。要求能合理地按他们各自的特性来进行合理的分类,这里没有任何模式可供参考或依据,也就是说在没有先验知识的情况下进行的,聚类分析的基本程序时,首先根据一批样品的多个观测指标,具体地找出一些能够度量样品或指标之间相似程度的统计量,然后利用统计量将样品或指标进行分类。具体进行聚类时,由于目的、要求不同,因而产生各种不同的聚类方法。20世纪70年代以来,聚类分析方法得到国内外农林科学工作者越来越多的重视。许多学者用这一方法解决了土壤、地质、植物、动物、气象、作物的分类问题,跳出了传统农林上所建立的一套定性分类体系,提高了分类的速度和精度。二、软件开发阶段1、概要设计判别是分类学的基本方法,是根据表明事物特点的变量值和它们所属的类求出判别函数,再根据判别函数对未知所属类别的事物进行分类的一种分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值,判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数,使得利用推导出的判别函数对观测量判别其所属类别时的错判率最小。判别函数一般形式是:Y=a1X1+a2X2+?+anXn其中Y为判别分数,X1,X2,X3?,Xn为反映研究对象特征的变量,a1,a2,a3,?,an为各变量的系数,也称判别系数。对于分为m类的研究对象,建立m个线性判别函数,对每个各体进行判别时,把测试的各变量值代入判别函数,得出判别分属,从而确定该个体属于哪一类;或者计算属于各类的概率,从而判断该个体属于哪一类;还可建立标准化和未标准化的典型判别函数。由此软件设计的核心在于如何计算并表示出线性判别函数1)判别分析中所需用到的统计量当总体参数未知时,可由样本进行总体参数的估计。设从总体X?Np(?,Σ)中抽取容量为n的多元随机样本X(j)=X(1j),X(2j),?,X(pj)样,故X(j)之间相互独立且均服从Np(?,Σ)。样本用矩阵表示为