判别分析
学生实验报告书
实验课程名称多元统计分析
开课学院经济学院
指导教师姓名唐湘晋
学生姓名朱天国
学生专业班级金融sy1201 20014-- 20015学年第一学期
实验教学管理基本规范
实验是培养学生动手能力、分析解决问题能力的重要环节；实验报告是反映实验教学水平与质量的重要依据。为加强实验过程管理，改革实验成绩考核方法，改善实验教学效果，提高学生质量，特制定实验教学管理基本规范。
1、本规范适用于理工科类专业实验课程，文、经、管、计算机类实验课程可根据具体情况参
照执行或暂不执行。
2、每门实验课程一般会包括许多实验项目，除非常简单的验证演示性实验项目可以不写实验
报告外，其他实验项目均应按本格式完成实验报告。
3、实验报告应由实验预习、实验过程、结果分析三大部分组成。每部分均在实验成绩中占一
定比例。各部分成绩的观测点、考核目标、所占比例可参考附表执行。各专业也可以根据具体情况，调整考核内容和评分标准。
4、实验预习、实验过程、结果分析三部分按优、良、中、及格和不及格五级评定，折合计算
实验成绩（百分制）标准为：优95，良85，中75，及格60，不及格50。
5、学生必须在完成实验预习内容的前提下进行实验。教师要在实验过程中抽查学生预习情况，
在学生离开实验室前，检查学生实验操作和记录情况，并在实验报告第二部分教师签字栏签名，以确保实验记录的真实性。
6、学生应在做完实验后三天内完成实验报告，交指导教师评阅。
7、教师应及时评阅学生的实验报告并给出各实验项目成绩，完整保存实验报告。在完成所有
实验项目后，教师应按学生姓名将批改好的各实验项目实验报告装订成册，构成该实验课程总报告，按班级交课程承担单位（实验中心或实验室）保管存档。
实验课程名称：多元统计分析
实验操作图：
同样，利用贝叶斯判别法，也将华北高速判到了Group1中，而且
Logistic回归分析简介
Logistic回归分析简介 Logistic回归：实际上属于判别分析，因拥有很差的判别效率而不常用。1．应用范围： ①适用于流行病学资料的危险因素分析 ②实验室中药物的剂量-反应关系 ③临床试验评价 ④疾病的预后因素分析 2．Logistic回归的分类： ①按因变量的资料类型分： 二分类 多分类 其中二分较为常用 ②按研究方法分： 条件Logistic回归 非条件Logistic回归 两者针对的资料类型不一样，后者针对成组研究，前者针对配对或配伍 研究。 3．Logistic回归的应用条件是： ①独立性。各观测对象间是相互独立的； ②LogitP与自变量是线性关系； ③样本量。经验值是病例对照各50例以上或为自变量的5-10倍（以10倍 为宜），不过随着统计技术和软件的发展，样本量较小或不能进行似然
估计的情况下可采用精确logistic回归分析，此时要求分析变量不能太多，且变量分类不能太多； ④当队列资料进行logistic回归分析时，观察时间应该相同，否则需考虑观 察时间的影响（建议用Poisson回归）。 4．拟和logistic回归方程的步骤： ①对每一个变量进行量化，并进行单因素分析； ②数据的离散化，对于连续性变量在分析过程中常常需要进行离散变成等 级资料。可采用的方法有依据经验进行离散，或是按照四分、五分位数 法来确定等级，也可采用聚类方法将计量资料聚为二类或多类，变为离 散变量。 ③对性质相近的一些自变量进行部分多因素分析，并探讨各自变量（等级 变量，数值变量）纳入模型时的适宜尺度，及对自变量进行必要的变量 变换； ④在单变量分析和相关自变量分析的基础上，对P≤α（常取0.2，0.15或 0.3）的变量，以及专业上认为重要的变量进行多因素的逐步筛选；模型 程序每拟合一个模型将给出多个指标值，供用户判断模型优劣和筛选变 量。可以采用双向筛选技术：a进入变量的筛选用score统计量或G统计 量或LRS(似然比统计量)，用户确定P值临界值如：0.05、0.1或0.2，选 择统计量显著且最大的变量进入模型；b剔除变量的选择用Z统计量(Wald 统计量)，用户确定其P值显著性水平，当变量不显者，从模型中予以剔 除。这样，选入和剔除反复循环，直至无变量选入，也无变量删除为止，选入或剔除的显著界值的确定要依具体的问题和变量的多寡而定，一般
SPSS操作方法：判别分析例题
为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 5
贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→ Classify→ Discriminant，打开Discriminant Analysis 判别分析对话框如图1所示： 图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。 从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。 选择后点击Continue按钮返回Discriminant Analysis主对话框。 图2 Define Range对话框 4、选择分析方法 Enter independent together 所有变量全部参与判别分析（系统默 认）。本例选择此项。 Use stepwise method 采用逐步判别法自动筛选变量。
高层建筑结构形体规则性判定报告
建筑结构形体规则性判定报告 工程名称:西部城市某地块 子项目名称: A栋办公楼 编制单位:深圳市某建筑与规划设计研究 有限公司(公章) 编制人:＊** 校对人：＊＊＊ 审核人:＊** 编制时间: 二0一七年四月八日 ?一、项目概况
二、绿建评价标准要求 １。根据《绿色建筑评价标准》GB/T 5０3７８-２014的要求，应对建筑结构形体规则性进行判定,依据判定结果,赋予相应的评价得分。 ２。《绿色建筑评价标准》GB/T 50378－２０１4条文原文如下: 7。２.1择优选用建筑结构形体，评价总分值为9分.根据国家标准《建筑抗震设计规范》ＧB ５001１－2010规定的建筑结构形体规则性评分,建筑结构形体不规则,得3分；建筑结构形体规则，得9分。 3。表1:评分表
三、建筑结构形体规则性的判定 1。主要依据 《结构计算书》 《建筑抗震设计规范》GB 500１１—2010 《超限高层建筑工程抗震设防专项审查技术要点》 2. 依据《超限高层建筑工程抗震设防专项审查技术要点》，建筑结构形体规则性的定义和判断不规则程度如下表: 表2：同时具有下列三项及三项以上不规则的高层建筑工程
凸不规则,不按楼板不连续的开洞对待；序号a、ｂ不重复计算不规则项；局部的不规则，视其位置、数量等对整个结构影响的大小判断是否计入不规则的一项. 表3:具有下列２项或同时具有下表和表２中某项不规则的高层建筑工程 于本表的复杂连接。 表5：其他高层建筑工程
? 4。本项目建筑结构形体规则性分项判定表
本工程不属于特殊类型高层建筑，不存在表4中一项不规则即超限的项次。 四、结论 综上所述,本项目建筑结构形体规则性判定为规则,评价得分为９分.
聚类和判别分析
聚类和判别分析 SPSS(中文版)统计分析实用教程(第版)电子工业出版社*第九章聚类和判别分析SPSS(中文版)统计分析实用教程(第版)电子工业出版社*主要内容聚类和判别分析简介二阶聚类K均值聚类系统聚类判别分析SPSS(中文版)统计分析实用教程(第版)电子工业出版社*聚类和判别分析简介基本概念()聚类分析聚类分析的基本思想是找出一些能够度量样本或指标之间相似程度的统计量以这些统计量为划分类型的依据把一些相似程度较大的样本（或指标）聚合为一类把另外一些彼此之间相似程度较大的样本又聚合为一类。 根据分类对象的不同聚类分析可分为对样本的聚类和对变量的聚类两种。 ()判别分析判别分析是判别样本所属类型的一种统计方法。 SPSS(中文版)统计分析实用教程(第版)电子工业出版社*聚类和判别分析简介基本概念()二者区别不同之处在于判别分析是在已知研究对象分为若干类型（或组别）并已取得各种类型的一批已知样本的观测量数据的基础上根据某些准则建立判别式然后对未知类型的样本进行差别分析。 SPSS(中文版)统计分析实用教程(第版)电子工业出版社*样本间亲疏关系的度量()连续变量的样本间距离常用度量主要方法有欧氏距离（EuclideanDistance）、欧氏平方距离（SquaredEuclideanDistance）、切比雪夫距离（ChebychevDistance）、明可斯基距离（MinkowskiDistance）、用户自定义距离（CustomizeDistance）、Pearson
相关系数、夹角余弦（Cosine）等。 （公式见教材表）()顺序变量的样本间距离常用度量常用的有统计量（Chisquaremeasure）和统计量（Phisquaremeasure）。 具体计算公式参见节表。 聚类和判别分析简介SPSS(中文版)统计分析实用教程(第版)电子工业出版社*主要内容聚类和判别分析简介二阶聚类K均值聚类系统聚类判别分析SPSS(中文版)统计分析实用教程(第版)电子工业出版社*二阶聚类基本概念及统计原理（）基本概念二阶聚类（TwoStepCluster）（也称为两步聚类）是一个探索性的分析工具（）为揭示自然的分类或分组而设计是数据集内部的而不是外观上的分类。 它是一种新型的分层聚类算法（HierarchicalAlgorithms）,目前主要应用到数据挖掘（DataMining）和多元数据统计的交叉领域模式分类中。 该过程主要有以下几个特点：分类变量和连续变量均可以参与二阶聚类分析该过程可以自动确定分类数可以高效率地分析大数据集用户可以自己定制用于运算的内存容量。 SPSS(中文版)统计分析实用教程(第版)电子工业出版社*二阶聚类基本概念及统计原理（）统计原理两步法的功能非常强大而原理又较为复杂。 他在聚类过程中除了使用传统的欧氏距离外为了处理分类变量和连续变量它用似然距离测度它要求模型中的变量是独立的分类变量
典型相关分析及其应用实例
摘要 典型相关分析是多元统计分析的一个重要研究课题.它是研究两组变量之间相关的一种统计分析方法，能够有效地揭示两组变量之间的相互线性依赖关系.它借助主成分分析降维的思想，用少数几对综合变量来反映两组变量间的线性相关性质.目前它已经在众多领域的相关分析和预测分析中得到广泛应用. 本文首先描述了典型相关分析的统计思想，定义了总体典型相关变量及典型 相关系数，并简要概述了它们的求解思路，然后深入对样本典型相关分析的几种算法做了比较全面的论述.根据典型相关分析的推理，归纳总结了它的一些重要性质并给出了证明，接着推导了典型相关系数的显著性检验.最后通过理论与实例分析两个层面论证了典型相关分析的应用于实际生活中的可行性与优越性. 【关键词】典型相关分析，样本典型相关，性质，实际应用 ABSTRACT The Canonical Correlation Analysis is an important studying topic of the Multivariate Statistical Analysis. It is the statistical analysis method which studies the correlation between two sets of variables. It can work to reveal the mutual line dependence relation availably between two sets of variables. With the help of the thought about the Principal Components, we can use a few comprehensive variables to reflect the linear relationship between two sets of variables. Nowadays It has already been used widely in the correlation analysis and forecasted analysis. This text describes the statistical thought of the Canonical Correlation Analysis firstly, and then defines the total canonical correlation variables and canonical correlation coefficient, and sum up
结构类型特别不规则的判别
不规则程度为下列情况之一为特别不规则（上海）： 1）结构平面凹进或凸出的一侧尺寸（从抗侧力构件截面中心算起）大于相应投影方向总尺寸的40%; 2）结构平面突出长度超过连接宽度抗震设防烈度7度时为2倍，抗震设防烈度8度时为1.5倍； 3）结构平面为角部重叠的平面图形或细腰形平面图形，其中角部重叠面积小于较小图形的25%，细腰形平面中部两侧收进超过平面宽度50%; 4）楼板的尺寸和平面刚度急剧变化，例如，有效楼板宽度小于该层楼板典型宽度的40%，或开洞面积大于该层楼面面积的35%（包括错层）； 5）等效剪切刚度小于相邻上层的60%，或小于其上相邻三个楼层平均值的70%; 6）除顶层或裙房（辅楼）高度小于主楼20%外，局部收进的水平向尺寸大于相邻下一层的30%; 7）下部楼层水平尺寸小于上部楼层水平尺寸的0.8倍，或整体外挑尺寸大于5m; 8）转换层位置超过《高规》规定的高位转换层的结构（即抗震设防烈度7度：5层及其以上，抗震设防烈度8度：3层及其以上）；9）错层结构（错层高度≥1200mm)、连体结构、或多塔楼建筑； 10）抗侧力结构的层间受剪承载力小于相邻上一层的65%; 11）塔楼位置明显偏置的大底盘（裙房）建筑； 12）厚板转换的建筑； 13）巨型结构的高层建筑； 14）单跨框架结构的建筑； 15）超出规范规定的混合结构体系（如下部为钢筋混凝土结构、上部为钢结构）的建筑。 同时具有下述三项及三项以上不规则的为特别不规则（上海）： 1）楼层的最大弹性水平位移（或层间位移）大于该楼层两端弹性水平位移（或层间位移）平均值的1.2倍（计算该指标时应采用刚性楼板模型）； 2）建筑平面长宽比抗震设防烈度7度大于6.0，抗震设防烈度8度大于5.0; 3）结构平面凹进或凸出的一侧尺寸（从抗侧力构件截面中心算起）大于相应投影方向总尺寸的30%; 4）结构平面突出部分长度超过连接宽度； 5）楼板的尺寸和平面刚度急剧变化，例如，有效楼板宽度小于该层楼板典型宽度的50%，或开洞面积大于该层楼面面积的30%；6）等效剪切刚度小于相邻上层的70%，或小于其上相邻三个楼层等效剪切刚度平均值的80%; 7）除顶层或裙房（辅楼）高度小于主楼20％外，局部收进的水平向尺寸大于相邻下一层的25%; 8）下部楼层水平尺寸小于上部楼层水平尺寸的0.9倍，或整体外挑尺寸大于4m; 9）带转换层（抗震设防7度转换层位于5层以下，抗震设防烈度8度转换层位于3层以下）、加强层、或错层（错层高度≥600mm或梁高）等复杂结构的建筑（任一类型按一项不规则计）； 10）抗侧力结构的层间受剪承载力小于相邻上一层的80%。
典型相关分析SPSS例析
典型相关分析 典型相关分析（Canonical correlation ）又称规则相关分析，用以分析两组变量间关系的一种方法；两个变量组均包含多个变量，所以简单相关和多元回归的解惑都是规则相关的特例。典型相关将各组变量作为整体对待，描述的是两个变量组之间整体的相关，而不是两个变量组个别变量之间的相关。 典型相关与主成分相关有类似，不过主成分考虑的是一组变量，而典型相关考虑的是两组变量间的关系，有学者将规则相关视为双管的主成分分析；因为它主要在寻找一组变量的成分使之与另一组的成分具有最大的线性关系。 典型相关模型的基本假设：两组变量间是线性关系，每对典型变量之间是线性关系，每个典型变量与本组变量之间也是线性关系；典型相关还要求各组内变量间不能有高度的复共线性。典型相关两组变量地位相等，如有隐含的因果关系，可令一组为自变量，另一组为因变量。 典型相关会找出一组变量的线性组合**=i i j j X a x Y b y =∑∑与 ，称 为典型变量；以使两个典型变量之间所能获得相关系数达到最大，这一相关系数称为典型相关系数。i a 和j b 称为典型系数。如果对变量进 行标准化后再进行上述操作，得到的是标准化的典型系数。 典型变量的性质 每个典型变量智慧与对应的另一组典型变量相关，而不与其他典型变量相关；原来所有变量的总方差通过典型变量而成为几个相互独立的维度。一个典型相关系数只是两个典型变量之间的相关，不能代
表两个变量组的相关；各对典型变量构成的多维典型相关，共同代表两组变量间的整体相关。 典型负荷系数和交叉负荷系数 典型负荷系数也称结构相关系数，指的是一个典型变量与本组所有变量的简单相关系数，交叉负荷系数指的是一个典型变量与另一组变量组各个变量的简单相关系数。典型系数隐含着偏相关的意思，而典型负荷系数代表的是典型变量与变量间的简单相关，两者有很大区别。 重叠指数 如果一组变量的部分方差可以又另一个变量的方差来解释和预测，就可以说这部分方差与另一个变量的方差之间相重叠，或可由另一变量所解释。将重叠应用到典型相关时，只要简单地将典型相关系数平方（2 CR）,就得到这对典型变量方差的共同比例，代表一个典型变量的方差可有另一个典型变量解释的比例，如果将此比例再乘以典型变量所能解释的本组变量总方差的比例，得到的就是一组变量的方差所能够被另一组变量的典型变量所能解释的比例，即为重叠系数。 例1：CRM（Customer Relationship Management）即客户关系管理案例，有三组变量，分别是公司规模变量两个（资本额，销售额），六个CRM实施程度变量（WEB网站，电子邮件，客服中心，DM 快讯广告Direct mail缩写，无线上网，简讯服务），三个CRM绩效维度（行销绩效，销售绩效，服务绩效）。试对三组变量做典型相关分析。
判别分析实例
例：人文与发展指数是联合国开发计划署于1990年5月发表的第一份《人类发展报告》中公布的。该报告建议，目前对人文发展的衡量指标应当以人生的三大要素为重点。衡量人生的三大要素的指标分别为：实际人均GDP指数、出生时的预期寿命指数、受教育程度指数（由成人识字率指数和综合总人学率指数按2/3、1/3的权重加权而得），将一生三个指数合成为一个指数就是人文发展指数。今从2007年世界各国人文发展指数（2005年）的排序中，选取高发展水平、中等发展水平和低发展水平国家各6个作为三组样品，另选四个国家作为待判样品，资料如下表所示。试用判别分析过程对以下数据资料进行判别分析，并据此对待选的四个国家进行判别归类。
data develop; input type gdp life rate zhrate@@; cards; 1 41890 77.9 99.5 93.3 1 29461 79.1 99. 2 88 1 23381 78.9 96 99 1 29663 79.4 92.5 87.3 1 28529 80.3 98.4 90.6 1 22029 77.9 99 96 2 6000 77.7 99.8 87.6 2 9060 71.9 97. 3 76.8 2 8402 71.7 88.6 87.5 2 8677 69.6 92.6 71.2 2 5137 71 92.6 81.1 2 8407 71.4 87.4 68.7 3 1550 62.6 48.6 58.1 3 1128 46.5 69.1 56.2 3 2299 49.8 67.9 62.3 3 2370 64.6 49.9 40 3 3071 73.7 90.3 63.9 3 3843 69.7 90. 4 68.2 . 31267 82.3 99 85.9 . 3452 63.7 61 63.8 . 6757 72.5 90.9 69.1 . 11110 50.8 82.4 77 ; proc discrim simple wcov distance list;/*simple:要求技术各类样品的简单描述统计量；选项WCOV要求计算类内协方差阵；选项DISTANCE要求计算马氏距离；选项LIST要求输出重复替换归类结果。由于没有给出方法选项，所以系统按缺省时的正态分布进行有关参数的估计和归类。*/ class type; var gdp life rate zhrate; run; proc discrim pool=test slpool=0.05list; /*simple: */ class type; priors'1'=0.3'2'=0.4'3'=0.3 ; run; proc discrim method=npar k=2list; /*simple: */ class type; run; proc candisc out=result ncan=2; /*simple: */
SPSS典型相关分析
SPSS数据统计分析与实践 第二十二章：典型相关分析 （Canonical Correlation） 主讲：周涛副教授 北京师范大学资源学院 教学网站：https://www.360docs.net/doc/5016711976.html,/Courses/SPSS
典型相关分析（Canonical Correlation）本章内容： 一、典型相关分析的基本思想 二、典型相关分析的数学描述 三、SPSS实例 四、小节
典型相关分析的基本思想 z典型相关分析是研究两组变量之间相关关系的一种多元统计方法。 z简单相关系数；复相关系数；典型相关系数 z典型相关分析首先在每组变量中找出变量的线性组合，使其具有最大相关性； z然后再在每组变量中找出第二对线性组合，使其与第一对线性组合不相关，而第二对本身具有最大相关性； z如此继续下去，直到两组变量之间的相关性被提取完毕为止； z这些综合变量被称为典型变量（canonical variates）；第I对典型变量间的相关系数则被称为第I 典型相关系数（一般来说，只需提取1～2对典型变量即可较为充分的概括样本信息）。
典型相关分析的目的 T q T p Y Y Y Y X X X X ),,,() ,,,(2121K K ==设两组分别为p 与q 维 (p ≤q)的变量X ,Y ：设p + q 维随机向量协方差阵，????????=Y X Z ??? ?????ΣΣΣΣ=Σ222112 11其中Σ11是X 的协方差阵，Σ22是Y 的协方差阵，Σ12=ΣT 21是X ，Y 的协方差阵 典型相关分析用X 和Y 的线性组合U =a T X , V =b T Y 之间的相关来研究X 和Y 之间的相关性。其目的就是希望找到向量a 和b ，使ρ（U ，V ）最大，从而找到替代原始变量的典型变量U 和V 。
SPSS操作方法：判别分析例题
实验指导之二 判别分析的SPSS软件的基本操作 [实验例题]为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 x5：人均集体所有制职工标准工资
贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→Classify→Discriminant，打开Discriminant Analysis判别分析对话框如图1所示： 图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。 从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range 对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。 选择后点击Continue按钮返回Discriminant Analysis主对话框。 图2 Define Range对话框 4、选择分析方法
判别分析实例汇总
判别分析实例汇总
例：人文与发展指数是联合国开发计划署于1990年5月发表的第一份《人类发展报告》中公布的。该报告建议，目前对人文发展的衡量指标应当以人生的三大要素为重点。衡量人生的三大要素的指标分别为：实际人均GDP指数、出生时的预期寿命指数、受教育程度指数（由成人识字率指数和综合总人学率指数按2/3、1/3的权重加权而得），将一生三个指数合成为一个指数就是人文发展指数。今从2007年世界各国人文发展指数（2005年）的排序中，选取高发展水平、中等发展水平和低发展水平国家各6个作为三组样品，另选四个国家作为待判样品，资料如下表所示。试用判别分析过程对以下数据资料进行判别分析，并据此对待选的四个国家进行判别归类。
data develop; input type gdp life rate zhrate@@; cards; 1 41890 77.9 99.5 93.3 1 29461 79.1 99. 2 88 1 23381 78.9 96 99 1 29663 79.4 92.5 87.3 1 28529 80.3 98.4 90.6 1 22029 77.9 99 96 2 6000 77.7 99.8 87.6 2 9060 71.9 97. 3 76.8 2 8402 71.7 88.6 87.5 2 8677 69.6 92.6 71.2 2 5137 71 92.6 81.1 2 8407 71.4 87.4 68.7 3 1550 62.6 48.6 58.1 3 1128 46.5 69.1 56.2
3 2299 49.8 67.9 62.3 3 2370 64.6 49.9 40 3 3071 73.7 90.3 63.9 3 3843 69.7 90. 4 68.2 . 31267 82.3 99 85.9 . 3452 63.7 61 63.8 . 6757 72.5 90.9 69.1 . 11110 50.8 82.4 77 ; proc discrim simple wcov distance list;/*simple:要求技术各类样品的简单描述统计量；选项WCOV要求计算类内协方差阵；选项DISTANCE要求计算马氏距离；选项LIST要求输出重复替换归类结果。由于没有给出方法选项，所以系统按缺省时的正态分布进行有关参数的估计和归类。*/ class type; var gdp life rate zhrate; run; proc discrim pool=test slpool=0.05list; /*simple: */ class type; priors'1'=0.3'2'=0.4'3'=0.3 ; run; proc discrim method=npar k=2list; /*simple: */ class type; run; proc candisc out=result ncan=2; /*simple: */ class type; var gdp life rate zhrate; run; proc gplot data=reult; plot can1*can2=type; run; proc discrim data=result distance list; class type; var can1 can2; run; 表1 已知样本分类水平信息
spss进行判别分析步骤
spss进行判别分析步骤1．Discriminant Analysis判别分析主对话框 图1-1 Discriminant Analysis 主对话框
（1）选择分类变量及其范围 在主对话框中左面的矩形框中选择表明已知的观测量所属类别的变量(一定是离散变量)， 按上面的一个向右的箭头按钮，使该变量名移到右面的Grouping Variable 框中。 此时矩形框下面的Define Range 按钮加亮，按该按钮屏幕显示一个小对话框如图1-2 所示，供指定该分类变量的数值范围。 图1-2 Define Range 对话框 在Minimum 框中输入该分类变量的最小值在Maximum 框中输入该分类变量的最大值。按Continue 按钮返回主对话框。 (2)指定判别分析的自变量 图1-3 展开Selection Variable 对话框的主对话框 在主对话框的左面的变量表中选择表明观测量特征的变量，按下面箭头按钮。
把选中的变量移到Independents 矩形框中，作为参与判别分析的变量。（3）选择观测量 图1-4 Set Value 子对话框 如果希望使用一部分观测量进行判别函数的推导而且有一个变量的某个值可以作为这些观测量的标识， 则用Select 功能进行选择，操作方法是单击Select 按钮展开Selection Variable。选择框如图1-3 所示。 并从变量列表框中选择变量移入该框中再单击Selection Variable 选择框右侧的Value按钮， 展开Set Value(子对话框)对话框，如图1-4 所示，键入标识参与分析的观测量所具有的该变量值， 一般均使用数据文件中的所有合法观测量此步骤可以省略。 （4）选择分析方法
(完整版)建筑形体规则性判定报告.doc
建筑形体规则性判定报告一、平面和不规则的主要类型 1，平面不规则 1 2 3 扭转不规则 考虑偶然偏心的扭转位移比大参见 GB50011- 是于 1.2 3.4.3.1 凹凸不规则 平面凹凸尺寸大于相应边长参见 GB50011- 否30% 等 3.4.3.1 楼板不连续 有效宽度小于 50%，开洞面积大参见GB50011- 否于 30% ，错层大于梁高 3.4.3.1 2，竖向不规则 4 5 6 侧向刚度不相邻层刚度变化大于 70% 或连 规则续三层变化大于 80% 竖向抗侧力上下墙、柱、支撑不连续，含加 构件不连续强层、连体类 楼层承载力相邻层受剪承载力变化大于 突变80% 参见 GB50011- 3.4.3.2 参见 GB50011- 3.4.3.2 参见 GB50011- 3.4.2 否 否 否注：表中不规则项数为 0 时，为规则结构；不规则项数少于 3 个时为不规 则结构；不规则项数 3 个及 3 个以上时为特别不规则结构。 二、特别不规则 1 2 3 4 5 6 7 扭转偏大 抗扭刚度弱 层刚度偏小 高位转换 厚板转换 塔楼偏置 复杂连接 裙房以上的较多楼层，考虑偶然偏心的扭否 转位移比大于 1.4 扭转周期比大于 0.9, 混合结构扭转周期比否 大于 0.85 本层侧向刚度小于相邻上层的 50% 否 框支墙体的转换构件位置：7 度超过 5 层， 否 8 度超过 3 层 7-9 度设防的厚板转换结构否 单塔或多塔与大底盘的质心偏心距大于底否 盘相应边长 20% 各部分层数、刚度、布置不同的错层否 连体两端塔楼高度、体型或者沿大底盘某 个主轴方向的振动周期显著不同的结构 8 多重复杂结构同时具有转换层、加强层、错层、否 连体和多塔等复杂类型的 3 种 注：表中出现不规则项数时，即为特别不规则结构。
判别分析三种方法
作业一： 为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为两种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 x5：人均集体所有制职工标准工资
一、距离判别法 解：变量个数p＝9，两类总体各有11个样品，即n1＝n2＝11 ，有2个待判样品，假定两总体协差阵相等。由spss可计算出：协方差和平均值
合计x1 123.2881 23.27817 22 22.000 x2 80.4895 22.04796 22 22.000 x3 50.8709 6.14867 22 22.000 x4 10.1450 3.11887 22 22.000 x5 6.0659 2.72297 22 22.000 x6 14.6060 6.73264 22 22.000 x7 15.7215 6.64603 22 22.000 x8 8.7895 3.02700 22 22.000 x9 1.5291 1.31496 22 22.000 知道了均值和协方差可利用matlab计算线性判别函数W（x）的判别系数a和判别常数。程序如下： v=[1.000,0.217,0.299,0.045,-0.054,0.688,0.212,0.121,-0.245;.217,1,.102,-.234,-.211,. 136,-.052,.116,.154;.299,.102,1,-.296,-.062,.091,-.017,-.607,-.034;.045,-.234,-.296,1,. 762,-.172,-.297,.103,-.554;-.054,-.211,-.062,.762,1,-.156,-.342,.022,-.654;.688,.136,.0 91,-.172,-.156,1,.235,.384,-.098;.212,-.052,-.017,-.297,-.342,.235,1,-.040,.424;.121,.1 16,-.607,.103,.022,.384,-.040,1,-.071;-.245,.154,-.034,-.554,-.654,-.098,.424,-.071,1]; >> m1=[139.2664;93.0918;53.9882;11.2073;6.7645;17.9345;17,8327;11.0018;1.6736];m 2=[107.3099;67.8873;47.7536;9.0827;5.3673;11.2775;13.6102;6.5773;1.3845]; >> m=(m1+m2)/2; >> arfa=inv(v)*(m1-m2);
典型判别分析与贝叶斯判别的区别
典型判别分析与贝叶斯判别的区别 1.原理不同 典型判别是根据方差分析思想，进行投影，将原来一个维度空间的自变量组合投影到另一维度空间，寻找一个由原始变量组成的线性函数使得组间差异和组内差异的比值最大化。根据样本点计算判别函数，计算判别函数到各类中心的欧式距离，取距离最小的类别。 贝叶斯判别是是利用已知的先验概率去推证将要发生的后验概率，就是计算每个样本的后验概率及其判错率，用最大后验概率来划分样本的分类并使得期望损失达到最小 2.前提条件不同 典型判别不考虑样本的具体分布，只求组间差异和组内差异的比值最大化 贝叶斯判别从样本的多元分布出发，充分利用多元正态分布的概率密度提供的信息计算后验概率，因此需要样本数据服从多元正态分布，方差齐性等。 3.产生的判别函数不同 典型判别根据K类最多产生K-1个判别函数 贝叶斯判别根据K类最多可产生K个判别函数 先验概率在判别分析中的作用 1.所谓先验概率，就是用概率来描述人们事先对所研究的对象的认识的程度，是根据以往经验和分析得到的概率。所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。它是对先验概率修正后的结果，它是更接近于实际情况的概率估计。贝叶斯（BAYES）判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断 2.样品的先验概率对预测有一定的作用，反应样本分布的总体趋向性。被判断的个案应该属于先验概率最大总体的概率应该高一些，贝叶斯考虑了先验概率的影响提高判别的敏感度，同时利用先验概率可以求出后验概率（基于平均损失函数）和误判率，从而进行判别分析，充分利用数据的概率密度分布，判别效率高。样品归于概率大的类别。 3.这样使误判平均损失最小。既考虑到不同总体出现机会的差异、各错误判断造成损失的不同，又充分尊重了每个总体的分布状态 判别准则的评价 刀切法：基本思想是每次剔除训练样本中的一个样本，利用其余容量的训练样本建立判别函数，再用所建立的判别函数对删除的那个样本做判别，对训练样本中的每个样品重复上述步骤，已其误判的比例作为误判概率的估计。 判别分析结果 Eigenvalues a First 2 canonical discriminant functions were used in the analysis. 1．判别函数的特征根，方差百分比，累计方差百分比
复杂结构规则性判断附表
规则性判别 1)楼层位移比： a)站房部分：最大值1.32，（X+5% 偶然偏心地震力作用，此工况层间位移角为1/2978）※ b)发车区A：最大值1.22，（Y-5% 偶然偏心地震力作用，此工况层间位移角1/3934）※ c)发车区B：最大值1.24，（Y-5% 偶然偏心地震力作用，此工况层间位移角1/3855）※ d)圆形坡道:地面以上均小于1.2,仅最底层大于1.2，但是最底层埋于土中，位移比无意义。 2)建筑平面长宽比： a)站房部分：141.8/64=2.2 b)发车区A：66/58.7=1.1 c)发车区B：66/64=1.03 3)结构平面凹进或凸起的长度比： a)站房部分：20.6/61=34% ※ b)发车区A：37/58.7=63% ※ c)发车区B：52/64=81% ※ 4)结构平面角部重叠或细腰： a)站房部分：无角部重叠或细腰 b)发车区：无角部重叠活细腰 5)楼板平面削弱，开洞尺寸： a)站房部分：开洞面积<30%,有效宽度>50% b)发车区：无大的开洞 6)楼层等效剪切刚度比值《本层塔侧移刚度与上一层相应塔侧移刚度70%的比值或上三层平均侧移刚度 80%的比值中之较小者》： a)站房部分：Ratx1= 1.3645 Raty1= 1.4188，无薄弱层 b)发车区A：Ratx1= 1.5840 Raty1= 1.6337，无薄弱层 c)发车区B：Ratx1= 1.6372 Raty1= 1.6383，无薄弱层 d)圆形坡道：Ratx1= 1.4676 Raty1= 1.4419，无薄弱层 7)立面局部收进： a)站房部分：无立面局部收进，无软弱层 b)发车区：无立面局部收进，无软弱层 8)整体外挑尺寸：
建筑结构的规则性探讨
建筑结构抗震设计—课程论文 建筑结构的规则性 学生姓名盛雪松 学号08134120 院系工学院土木系 专业土木工程 课程教师梁超峰 完成日期2011-05-20
建筑结构的规则性 摘要:建筑结构不规则可能造成较大地震扭转效应，产生严重应力集中，或形成抗震薄弱层。因此，在建筑抗震设计中，应使建筑物的平、立面布置规则、对称，具有良好的整体性。质量和刚度变化宜均匀，防止在平面上质量中心与刚度中心不重合而造成严重的扭转振动。竖向抗侧力构件的截面尺寸和材料强度宜自下而上逐渐减小，避免抗侧力结构的侧向刚度和承载力突变而形成薄弱层。 关键词: 建筑结构；不规则类型；判定和处理 引言 结构设计规范明确要求,建筑及其抗侧力结构的平面布置宜规则、对称,并应有良好的整体性,建筑的立面和竖向剖面宜规则,结构的侧向刚度宜均匀变化,不应采用严重不规则的结构方案,但随着我国经济实力和科学技术水平的提高,人们的思想观念不断更新,严格意义的规则建筑已经很难见到,取而代之的是大批新颖别致、标新立异、彰显个性的建筑物。各地大量涌现的现代建筑物几乎都是不规则或是严重不规则的,如希尔顿饭店、深圳发展中心、中央电视台等,都是不规则建筑的典型代表,它们的出现既给城市建筑带来了崭新的面貌,同时又给结构设计人员提出了严峻的挑战。如何遵循规范精神,对不规则建筑结构进行结构设计与计算分析,成为工程设计中必须解决的重要课题。 建筑结构的不规则类型可分为平面不规则和竖向不规则。本文主要从不规则结构的判定、震害和处理措施结合实例来叙述。 1 结构不规则类型 大致可分为平面不规则和竖向不规则。 1.1 平面不规则 1)扭转不规则：楼层的最大弹性水平位移（或层间位移），大于该楼层两端弹性水平位移（或层间位移）平均值的1.2倍;
判别分析
输出结果4—1 未加权案例N 百分比有效150 100.0 排除的缺失或越界组代码0 .0 至少一个缺失判别变量0 .0 缺失或越界组代码还有 至少一个缺失判别变量 0 .0 合计0 .0 合计150 100.0 y 均值标准差有效的N（列表状态） 未加权的已加权的 1 Sepal.Length 5.006 .3525 50 50.000 Sepal.Width 3.428 .3791 50 50.000 Petal.Length 1.46 2 .1737 50 50.000 Petal.Width .246 .1054 50 50.000 2 Sepal.Length 5.936 .5162 50 50.000 Sepal.Width 2.770 .3138 50 50.000 Petal.Length 4.260 .4699 50 50.000 Petal.Width 1.326 .1978 50 50.000 3 Sepal.Length 6.588 .6359 50 50.000 Sepal.Width 2.97 4 .322 5 50 50.000 Petal.Length 5.552 .5519 50 50.000 Petal.Width 2.02 6 .274 7 50 50.000 合计Sepal.Length 5.843 .8281 150 150.000 Sepal.Width 3.057 .4359 150 150.000 Petal.Length 3.758 1.7653 150 150.000 Petal.Width 1.199 .7622 150 150.000 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. Sepal.Length .381 119.265 2 147 .000 Sepal.Width .599 49.160 2 147 .000 Petal.Length .059 1180.161 2 147 .000 Petal.Width .071 960.007 2 147 .000
判别分析讲解
判别分析 1.判别分析的适用条件 (1)自变量和因变量间的关系符合线性假设。 (2)因变量的取值是独立的，且必须是事先就己经确定。 (3)自变量服从多元正态分布。 (4)所有自变量在各组间方差齐，协方差矩阵也相等。 (5)自变量间不存在多重共线性。 2.违背条件时的处理方法 (1)当样本的多元正态分布假设不能满足的时候采取的措施和方法如下: <>如果数据的超平面是若干分段结构的话，采用分段判别分析。 <>如果数据满足方差和协方差的齐次性可以采用距离判别分析、经典判别分析、贝叶斯判别分析中的任何一种，因为此时三者是等价的，建议使用经典判别分析。 <>如果数据不满足方差和协方差的齐次性，则采用经典判别分析、非参数判别分析、距离判别分析，这些方法无此适用条件。 <>进行变量变换。 (2)方差和协方差的齐次性不能满足的时候可以采取的措施如下: <>增加样本，这有时可以使其影响减小。 <>慎重的进行变量变换。 <>采用经典判别分析、非参数判别分析、距离判别分析，这些方法无此适用条件。 <>在合乎总体实际情况的前提下，保证各个分组的样本量一样，判别分析中分组之间样本量一样可以带来以下几个好处:使得结果与方差齐次性假设不会偏离得太大;F检验时第 二类错误(实际上为虚假的条件下正确的拒绝了原假设的概率)得到减小;使得均值更加容易比较和检验。 <>要是样本服从多元正态分布，采用二次判别，但是应该注意到二次判别分析没有计算判错率和统计检验的公式。 (3)存在多重共线性时可以采取的措施如下: <>增加样本量。 <>使用逐步判别分析。 <>采用岭判别分析。 <>对自变量进行主成分分析，用因子代替自变量进行判别分析。 <>通过相关矩阵结合实际的理论知识删去某些产生共线性的自变量。显然，上述措施和线性回归中对共线性的处理方式是非常类似的。 (4)当线性假设被违反的时候可以采取的措施如下: <>采用二次判别分析。 <>K最近邻判别分析或核密度判别分析两种非参数判别分析。 <>离散型判别分析或混合型判别分析。 3．典型判别分析的基本原理 试图找到一个由原始自变量组成的线性函数使得组间差异和组内差异的比值最大化。所谓Fisher判别法，就是一种先投影的方法。考虑只有两个（预测）变量的判别分析问题。假定这里只有两类。数据中的每个观测值是二维空间的一个点。见图（下一张幻灯片）。这里只有两种已知类型的训练样本。其中一类有38个点（用“o”表示），另一类有44个点（用“*”表示）。按照原来的变量（横坐标和纵坐标），很难将这两种点分开。于是就寻找一个方向，也就是图上的虚线方向，沿着这个方向朝和这个虚线垂直的一条直线进行投影会使得这两类分得最清楚。可以看出，如果向其他方向投影，判别效果不会比这个好。有了投影之后，