統(tǒng)計軟件課程設(shè)計

東北大學秦皇島分校統(tǒng)計軟件課程設(shè)計報告鳶尾花亞屬類型的判別分析學院數(shù)學與統(tǒng)計學院專業(yè)數(shù)學與應(yīng)用數(shù)學學號5122121姓名殷曉娟指導教師馬世美張子選成績教師評語：指導教師簽字：2014年7月6日葉數(shù)學與統(tǒng)計學院課程設(shè)計報告葉數(shù)學與統(tǒng)計學院課程設(shè)計報告第#頁datadywh;inputx1-x4group$;cards;Iris-setosa3.01.40.2Iris-setosaIccandiscdata=dywhout=canywh1ncan=2distancesimple;classgroup;varx1-x4;run;goptionsftext='宋體'；symbol1cv=redv=squareh=2;symbol2cv=bluev=starh=2；symbol3cv=greenv=doth=2；procgplotdata=canywh1；plotcan2*can1=group；run；procprintdata=canywh1；run;procdiscrimdata=canywh1distancelist;classgroup;varcan1can2;run;procdiscrimdata=canywh1pool=testdistancelist;classgroup;varcan1can2;run;quit;2.2判別結(jié)果分析2.2.1距離判別法結(jié)果分析1．合并樣本組內(nèi)離差陣和合并樣本協(xié)方差陣PooledWithin-ClassSSCPMatrixVariablex1x2x3x4x136.9133333313.2744444422.802444445.31577778x213.2744444416.003111117.533333334.75155556x322.802444447.5333333324.659111115.91200000x45.315777784.751555565.912000005.87288889PooledWithin-ClassCovarianceMatrix,DF=132Variablex1x2x3x4x10.27964646460.100563973100402710438x20.10056397310.12123569020.05707070710.0359966330x30057070707100447878788x40.04027104380.03599663300.04478787880.044491582產(chǎn)生的合并樣本協(xié)方差陣用來計算馬氏距離。2．三個亞屬間的馬氏距離SquaredDistancetogroupFromgroupIris-setIris-verIris-virIris-set088.70237175.34029Iris-ver88.70237016.30151Iris-vir175.3402916.301510從表中可以得出setosa和versicolor的馬氏距離為88.70237，setosa和virginica的馬氏

距離為175.34029,versicolor和virginica的馬氏距離為16.30151。3．線性判別函數(shù)的建立LinearDiscriminantFunctionforgroupVariableIris-setIris-verIris-virConstant-79.15786-68.87393-99.95391x121.3610914.1654210.97183x222.511536.319003.16207x3-14.654796.6640914.40262x4-17.251565.3755418.46390從表中可得線性判別函數(shù)為:Y(X)=-79.15786+21.36109X+22.51153X-14.65479X-17.25156X11234Y(X)=-68.87393+14.16542X+6.31900X+6.66409X+5.37554X21234Y(X)=-99.95391+10.97183X+3.16207X+14.40262X+18.46390X312344．判別歸類結(jié)果FromClassifiedObsgroupintogroupIris-setIris-verIris-vir136Iris-set*1.00000.00000.0000137Iris-ver*0.00000.99990.0001138Iris-set*1.00000.00000.0000139Iris-vir*0.00000.00020.9998140Iris-vir*0.00000.01130.9887141Iris-vir*0.00000.00600.9940142Iris-set*1.00000.00000.0000143Iris-ver*0.00000.99990.0001144Iris-set*1.00000.00000.0000145Iris-set*1.00000.00000.0000146Iris-ver*0.00001.00000.0000147Iris-ver*0.00001.00000.0000148Iris-vir*0.00000.02580.9742149Iris-vir*0.00000.00001.0000150Iris-set*1.00000.00000.0000回判結(jié)果給出來自三個亞屬的135個樣品中除第66,79和124外都判對了；對15個待判樣品的判別結(jié)果為：第1,3,7,9,15五個鳶尾花為setosa，第2,8,10,11,12五個鳶尾花為versicolor,第4,5,6,13,14五個鳶尾花為virginica。

222貝葉斯判別法結(jié)果分析1．三個亞屬兩兩配對的組間廣義平方距離D(ij)=(X-X)'Cov-i(X-X)+In|Cov|GeneralizedSquaredDistancetogroup

FromgroupIris-setIris-verIris-virIris-set-12.7840494.12685149.85847Iris-ver293.61733-10.831474.06230Iris-vir651.435135.79169-8.86466三個總體的協(xié)方差陣不等，故D2GMD2CP2．判別歸類結(jié)果FromClassifiedObsgroupintogroupIris-setIris-verIris-vir136Iris-set*1.00000.00000.0000137Iris-ver*0.00000.99940.0006138Iris-set*1.00000.00000.0000139Iris-vir*0.00000.00001.0000140Iris-vir*0.00000.00040.9996141Iris-vir*0.00000.00220.9978142Iris-set*1.00000.00000.0000143Iris-ver*0.00000.99990.0001144Iris-set*1.00000.00000.0000145Iris-set*1.00000.00000.0000146Iris-ver*0.00000.99950.0005147Iris-ver*0.00001.00000.0000148Iris-vir*0.00000.09650.9035149Iris-vir*0.00000.00001.0000150Iris-set*1.00000.00000.0000回判結(jié)果給出來自三個亞屬的135個樣品中除第66，79和124外都判對了；對15個待判樣品的判別結(jié)果為：第1，3,7,9,15五個鳶尾花為setosa，第2,8,10，11，12五個鳶尾花為versicolor，第4,5,6,13,14五個鳶尾花為virginica。與距離判別法的判別結(jié)果一致。

2.2.3費希爾判別法結(jié)果分析1.典型相關(guān)及兩個典型變量的A-1B的特征值A(chǔ)pproximateSquaredStandardCanonicalErrorCorrelation0.0026500.9693260.0687560.204097AdjustedCanonicalCanonicalCorrelationCorrelation10.9845440.98418920.4517710.440073EigenvaluesofInv(E)*H=CanRsq/(1-CanRsq)Eigenvalue31.60090.2564DifferenceEigenvalue31.60090.2564Difference31.3444Proportion0.99200.0080Cumulative0.99201.0000LikelihoodApproximateRatioFValueNumDFDenDFPr>F10.02441355174.158258<.000110.02441355174.158258<.000120.7959027811.113130<.0001首先從檢驗兩個典型變量的F統(tǒng)計量判別結(jié)果可以看出p值都小于顯著性水平所以這兩個典型變量存在顯著性差異，可以用來討論總體間的判別問題。其次，從表中可以看出第一大特征值1=31.6009的貢獻率達到99.20%，所以用地一個判別函數(shù)即可進行很好的判斷了。2.Gplot生成的圖形圖個判別函數(shù)即可進行很好的判斷了。2.Gplot生成的圖形圖2.1費希爾判別法Gplot生成圖由圖也可以看出第一個判別函數(shù)就已經(jīng)能很好的將這些點分類了，顯然第二個函數(shù)的區(qū)分度還很不夠。3．判別歸類結(jié)果FromClassifiedObsgroupintogroupIris-setIris-verIris-vir136ris-set*1.00000.00000.0000137Iris-ver*0.00000.99990.0001138Iris-set*1.00000.00000.0000139Iris-vir*0.00000.00020.9998140Iris-vir*0.00000.01130.9887141Iris-vir*0.00000.00600.9940142Iris-set*1.00000.00000.0000143Iris-ver*0.00000.99990.0001144Iris-set*1.00000.00000.0000145Iris-set*1.00000.00000.0000146Iris-ver*0.00001.00000.0000147Iris-ver*0.00001.00000.0000148Iris-vir*0.00000.02580.9742149Iris-vir*0.00000.00001.0000150Iris-set*1.00000.00000.0000回判結(jié)果給出來自三個亞屬的135個樣品中除第66，79和124外都判對了；對15個待判樣品的判別結(jié)果為：第1,3,7,9,10,15六朵花為setosa，第2,8，11，12四朵鳶尾花為versicolor，第4,5,6,13,14五朵鳶尾花為virginica。與其他兩中判別法只有第10個待判樣品的判別結(jié)果不同，且與上述Gplot圖的結(jié)果完全一致。綜合以上分析，可以肯定樣品3,7,9,15屬于setosa,2,8,11,12屬于versicolor,4,5,6,13,14屬于virginica,而樣品10可能屬于setosa，也可能屬于versicolor，應(yīng)該根據(jù)實際情況判斷。結(jié)論從文中的判別函數(shù)的回判符合率可知,依據(jù)三種判別分析法建立的三個總體的判別函數(shù)具有很好的準確度,這一結(jié)果表明能夠依據(jù)鳶尾花的花萼和花瓣的長度和寬度建立判別函數(shù)對其亞屬類型進行判定,這為未知鳶尾花的亞屬類型判定以及其分類學地位提供了統(tǒng)計學上的理論依據(jù)和發(fā)展思路。但是鳶尾花的亞屬除了這三類，還有其他很多類亞屬，并且其亞屬在分類學上劃分指標遠不止花萼和花瓣的長度和寬度這四項，因此本文中所建立的判別方法并不能在全面的準確的判定某一鳶尾花的所屬亞屬，還需要擴大其亞屬總體數(shù)目和采用更多典型的性狀指標。在鳶尾花不同亞屬和性狀指標的涵蓋面廣且具典型性的情況下建立判別方法和實現(xiàn)的判定結(jié)果才是最為準確有效。本文中所建立的判別函數(shù)僅適用于某一鳶尾花在是否歸屬setosa，virginica或versicolor亞屬的問題上，才能夠憑借花萼和花瓣的長度