资源描述：
《小组数模论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、B题区分并检验两类数据摘要：本题通过对excel表格中的3588与1468个数据进行对比分析，并针对题目的四个问题建立了符合实际的数学模型。在模型的求解过程中，应用C语言编程调试，通过统计软件Matlab等计算工具，编写相应的程序，对建立的模型进行求解，得出契合要求的结果。1.问题重述给定3588个数据（见附件1）,其含义是1-582组数据来自总体X,58,3588组数据来自总体Y。根据这些数据，请大家完成下面的问题：1.至少选择三个模型区分这两类数据,并比较结果。2.将3588个数据随机分成测试集和训练集’使用测试
2、集重新讨论1的最优模型z同时使用训练集检验模型,并讨论结果。给定1468个数据（见附件2）,其含义是数据来自25个总体。根据这些数据,请大家完成下面的问题：3.至少选择三个模型区分25个总体”并使用5个和34个样本检验结果。它们分别来自两个不同的总体。确定这25个总体的回归函数。并讨论结果。2•问题分析：由于需要区分的数据量较大,无法做较为详细精确的判别。所以我们应用matlab与excel表格进行处理，可应用距离判别模型，神经网络模型,fisher判别法。问题1：至少选择三个模型区分这两类数据，并比较结果。答：模型
3、一：距离判别模型我们首先分别计算来自总体X和总体Y的特征向量（指标1水平一J旨标19水平）的均值向量和方差向量。那么,对于每一组给定的数据,我们考虑其特征向量与H那一类的均值相近，从而判断其属于哪一类。对于距离公式，由于欧氏距离无法排除模式样本距离的相关性，我们在这里采用马氏距离。下表1为在总体X中的特征向量的均值与方差向量：表1.1指标水平123456789均值1.9536082.199312.326462.36772.379732.4742272.2611682.5945022.544674方差0.607810.
4、984331.120231.242811.132441.074081.19641.100181.12773101112131415161718192.3608252.4020622.46222.338492.281792.460482.441582.372852.65122.845361.323411.164811.214211.076150.979021.069741.140061.055141.069060.95203卜•表2为在总体Y中的特征向量的均值和方茅向量:表1.2指标水平123456789均值2.596
5、4742.548902.5246172.5043252.5389222.5359282.5595482.4940122.522954方差1.2493421.229651.2054821.197421.2212061.2260881.168611.2246811.224856101112131415161718192.5355952.5469062.518962.548572.5815042.5262812.5568862.5262812.5405852.455091.1649011.2005611.190431.20
6、90521.1828121.2313451.2294651.2233611.2224051.214716上面两张表格给出了分别在X和Y中，19个指标所对应的特征向量（均值和方差）。可见除了第&9,18,19数据，总体X中的均值少于总体Y中的均值。而方差则变化较多，一时难以比较。若给出一组数据S（Al,A2,A3-A16）,进行计算比较，可得出其是否在X或Y中。若要进行较为精确的比较，则可在SPSS中进行距离判别分析。假设厂=〃-1-4+*）,h=g（斤为样本量，g为分组个数，q为被选择的变量个数），W为组内协方差矩阵
7、，T为混合总体的总协方差矩阵（计算是采用样本短阵去估计总体矩阵）。于是A二特就作为•个描述g个总体之间差异的指标，其值越小说明差异越大。这种方法在样本数据不服从多元正态分布的时候是具有稳健型的。步骤输入的Wilks的LambdaWilks的Lambda（精确）统计量dfldf2df3统计量dfldf3Sig.1指标17水平0.878131367437.94413357402指标4水平0.88121367440.68312357503扌旨标18水平0.881111367443.90911357604指标10水平0.88
8、3101367447.61910357705指标8水平0.88591367451.8929357806指标5水平0.88881367456.8858357907指标3水平0.89171367463.2037358008指标14水平0.89661367470.2166358109指标13水平0.90151367479.74453582010指标7
