SAS作业题分类

要求：打印，A4，单面或者双面均可。

第二页列出原题（直接拷贝），从第三页开始给出结果。一般要求进行分析的要写出程序代码，给出主要或者关键的分析结果，并进行必要的解释和说明。

12月29日交给张海峰，过期不候。

1．对sasuser.gpa

（1）用tabulate过程分析satm分布并简述结果；

（2）计算hss、hsm和hse的相关系数；

（3）绘制satm的直方图；

（4）画satv对satm的散点图。

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

提示：gpa(College Grade Point Average)大学平均成绩，hsm(High School Math Average)高中数学平均成绩，hss(High School Science Average)高中科学平均成绩，hse(High School English Average)高中英语平均成绩，satm(Math SAT Score)数学统计得分，satv(Verbal SAT Score)口语表达统计得分。

2. 某小麦良种的千粒重μ0=34g，现自外地引入一高产品种，在8个小区种植，得其千粒重（g）为：35.6、37.6、3

3.4、35.1、32.7、36.8、35.9、3

4.6，问新引入品种的千粒重与当地良种有无显著差异？（提示用mean过程做t检验）

1．用tabulate过程绘制sasuser.gpa中gpa按性别分类及不分类的平均值、标准差，及男女生人数。使用中文标签。

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

2. 为了比较准确地评价不同饲料对奶牛产奶量的影响，有人设计了如下试验，并收集了试验数据，试比较饲喂4种不同饲料对奶牛产奶量的影响有无显著差异。

数据说明：试验1组：普通寡肽，试验2组：保护寡肽，试验3组：普通氨基酸，试验4组：保护氨基酸。

表中数据为每周平均日产奶量（kg）。

1．对sasuser.gpa中的gap用univariate过程分析分布并简述结果。叙述性别分布。

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

gpa(College Grade Point Average)大学平均成绩，hsm(High School Math Average)高中数学平均成绩，hss(High School Science Average)高中科学平均成绩，hse(High School English Average)高中英语平均成绩，satm(Math SAT Score)数学统计得分，satv(Verbal SAT Score)口语表达统计得分。

1980年的价格的回归公式。

2. 下表列出了若干种鱼产品在

1．对sasuser.gpa中的变量进行主分量分析并试图解释结果。

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

2．下面是一组草原隼的鸟巢高度的数据，试检验其分布是否正态。

15 3.5 3.5 7 1 7 5.75 27 15 8 4.75 7.5 4.25 6.25 5.75 5 8.5

9 6.25 5.5 4 7.5 8.75 6.5 4 5.25 3 12 3.75 4.75 6.25 3.25 2.5

1．对sasuser.gpa中的变量进行因子分析并试进行旋转，对得到的因子进行解释。

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

2. 选生长期、发育进度、植株大小和其他方面均比较一致的两株番茄构成一组，共7组，每组中一株接A 处理病毒，另一株接B处理病毒，以研究不同的处理病毒方法对纯化的效果，得结果为病毒在番茄上产生的病痕数目，A、B法试验结果分别为：10，13，8，3，5，20，6；25，12，14，15，12，27，18。试测验两种处理方法的差异显著性。（提示用mean过程做t检验）

1．设有三个组，四个变量，数据如下：

组别X1 X2 X3 X4

1 6 -11.5 19 90

1 -4 -15.0 13 54

1 0 -23.0 5 -35

1 -100 -21.4 7 -15

1 -5 -18.5 15 18

1 10 -18.0 14 50

1 -8 -14.0 16 56

2 90.2 -17.0 17 3

2 0 -14.0 20 35

2 -100 -21.5 15 -40

2 1

3 -17.2 18 2

3 -11 -18.5 25 -36

3 0.5 -11.5 19 37

3 -10 -19.0 21 -42

3 20 -22.0 8 -20

3 0.6 -13.0 26 21

3 -40 -20.0 22 -50

计算线性判别函数，简述对训练样本的判别情况。

2. 调查某生产队每亩30万苗和35万苗的稻田各5块，得亩产量（斤）分别为30万苗：800，840，870，920，950；35万苗：900，880，890，890，840。试测验两种亩产量的差异显著性。（提示用ttest过程做t 检验）

1．对数据集sasuser.gpa中的大学学科平均成绩gpa建模，用高中成绩hsm、hss、hse作为自变量。简述回归的结果。（提示：使用reg过程）

（gpa数据集在C:\Program Files\SAS Institute\SAS\V8\insight\sample文件夹下）

2．调查了41个城市三年平均的二氧化硫含量（单位：mg/m3），试检验：数据是否服从正态分布或对数分布。

10 13 12 17 56 36 29 14 10 24 110 28 17 8

30 9 47 35 29 14 56 14 11 46 11 23 65 26

69 61 94 10 18 9 10 28 31 26 29 31 16

1．有若干人参加了一个减肥锻炼，在一年后测量了他们的身体脂肪含量，结果如下（身体脂肪含量的百分数）：

男性组：13.3 19 20 8 18 22 20 31 21 12 16 12 24

女性组：22 26 16 12 21.7 23.2 21 28 30 23

比较这些人中男性和女性的身体脂肪含量有无显著差异。

2. 考察50个“岱字棉”原种单株的纤维长度（mm），得结果如下，试作正态性检验。

27.25 27.64 27.82 27.92 28.04 28.22 28.22 28.37 28.44 28.46

28.55 28.57 28.61 28.64 28.68 28.69 28.73 28.79 28.82 28.89

28.91 28.94 28.96 29.09 29.06 29.15 29.21 29.24 29.24 29.26

29.29 29.32 29.32 29.33 29.33 29.38 29.39 29.41 29.41 29.45

29.47 29.48 29.53 29.58 29.59 29.66 29.67 29.67 29.69 29.72

1．下表为某基础统计课程两次考试的学生成绩。两次考试考同样的知识。试比较这两次考试难易程度有无显著差异。

2. 中国农业大学昌平试验站用a、b两种饲料对香猪进行饲养试验。每组6头香猪，两组共有12观测值。数据是6周时每头香猪的增重结果，单位：kg。分析这两种饲料对香猪的增重有无差异。增重数据如下：a种饲料：6.65 6.35 7.05 7.90 8.04 4.45

b种饲料：5.34 7.00 7.89 7.05 6.74 7.28

由于实验样本小，应采用非参数检验方法进行检验。

1．为研究溶菌酶水平在患胃溃疡的病人与正常人之间有无显著差异，测量了一组病人和一组正常人的溶菌酶水平，结果见下表。是检验两者的溶菌酶水平有无显著差异（水平0.05）。

胃溃疡病人组：0.2 10.4 0.3 10.9 0.4 11.3 1.1 12.4 2.0 16.2

2.1 17.6

3.3 18.9 3.8 20.7

4.5 24.0 4.8 2

5.4

4.9 40.0

5.0 42.2 5.3 50.0 7.5 60.0 9.8

对照组：0.2 5.4 0.3 5.7 0.4 5.8 0.7 7.5 1.2 8.7

1.5 8.8 1.5 9.1 1.9 10.3

2.0 15.6 2.4 16.1

2.5 16.5 2.8 16.7

3.6 20.0

4.8 20.7 4.8 33.0

提示：要考虑分布是否正态。

2.研究矮壮素使玉米矮化的效果，在抽穗期测定喷矮壮素小区玉米8株，对照区玉米9株。其株高（cm）分别为喷矮壮素：160，160，200，160，200，170，150，210；对照：170，270，180，250，270，290，270，230，170。试作假设测验。（提示用ttest过程做t检验）

1．假设对随机选取的8位病人使用A药物，对随机选取的6位病人使用B药物，过一段时间后测量每位病人体细胞的药物含量。测量数据如下：

A药物：1.23 1.42 1.41 1.62 1.55 1.51 1.60 1.76

B药物：1.76 1.41 1.87 1.49 1.67 1.81

在0.10水平下检验B药物的含量是否高于A药物的含量。

试在0.05

1．为了考察两种测量萘含量的液体层析方法：标准方法和高压方法的测量结果有无显著差异，取了10份试样，每份分为两半，一半用标准方法测量，一半用高压方法测量，每个试样的两个结果如下表，试检验

2. 试验测得小麦品种A和B在12个试验地点的出穗期（以3月31日为0），试确定两品种出穗期的差异显著性。原始数据为：

A品种：28 19 24 21 22 25 26 19 24 23 26 25

B品种：29 24 22 22 25 25 28 23 25 25 29 26

（提示：非参数检验）

1．为了研究药物补钙对高血压是否有疗效，随机选取了10个人服用补钙药物，11个人服用安慰剂，预先记录这些人的血压。12周后随机测量每人的血压并减去原来的血压，得到如下的血压变化数据：

补钙组：7 -4 18 17 -3 -5 1 10 11 -2

安慰剂组：-1 12 -1 -3 3 -5 5 2 -11 -1 -3

在0.10水平下检验服用补钙药物与服用安慰剂相比是否血压降低更多。

2. 试验测得三个小麦品种的开花期（以4月1日为0），试确定三品种开花期的差异显著性。原始数据为：A品种：36 29 31 28 25 26 24 33 26 25

B品种：29 34 32 28 27 25 28 26 35 31 29

C品种：34 31 30 34 31 33 35 34 36 29 31 28

（提示：非参数检验）

1. 测量了在不同温度x下制成的某种合金的强度y，得到如下数据。分别按线性回归和二次回归拟合，并比较。

x：0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

y：40 41 43 42 44 42 43 42

2. 一些夏季害虫盛发期的早迟和春季温度高低有关。江苏武进县测定1956~1964年3月下旬至4月中旬旬平均气温累积值（x，单位：旬.度）和一代三化螟蛾盛发期（y，以5月10日为0）的数据见下表，试计算x和y

1．使用放射性金195作示踪元素注射到血液中，下表为注射x天后血液内残留的金元素百分比y，取了10

2. 为了进行土壤分析，研究土壤质量，抽取了20个样本，每个样本4个指标：淤泥含量（x1，%）、粘土含量（x2，%）、有机物（x3，%）、PH值（x4）。原始数据见表。试作主成分分析。

土壤标本

1. 对数据集sasuser.fitness，以oxygen作为因变量，age、weight、runtime、rstpulse、runpulse和maxpulse 作为自变量进行线性回归，研究如何改进。

（fitness数据集在C:\Program Files\SAS Institute\SAS\V8\graph\sample文件夹下）

2. 为了解某乡良田土壤肥力的变化情况，1998年和1999年连续两年对9个监测点进行取土样化验有机质含量。y1代表1998年化验结果，该年土壤有机质平均含量为1.21%，y2代表1999年化验结果，分析两年土壤有机质的变化情况。（提示：t检验，ttest过程）

1. 下面数据是不同气压（单位：英寸汞柱）下水的沸点（单位：F）。建立线性回归方程，用沸点估计气压（用气压可以预测海拔高度），并作回归诊断，提出可能的改进意见。

2. 从10例腹泻病患者服用某新药前和后1天的粪便中测得大肠杆菌（Baci）的数据如下，试分析服药前

1. 对数据集sasuser.fitness，检验oxygen在不同组（GROUP）之间是否有显著差异。

（fitness数据集在C:\Program Files\SAS Institute\SAS\V8\graph\sample文件夹下）

2. 某植物营养实验室进行肥料对草坪颜色质量的研究，选择两种肥料进行试验，数据是两种肥料对草坪颜

1. 在一组双盲试验（受试者和操作者都不知道分组情况）中研究了咖啡因对受试者反映能力的影响。选了30个大学生进行按键速度测试，把这30人随机分为三组，每组10人，分别服用三种不同剂量的咖啡因（0mg，

（1）对三组的数据作并列的盒型图，看看组之间有无显著差异。

（2）用方差分析表检验不同剂量的三组的按键次数有无显著差异（0.10检验水平），并解释结果。

2. 试验测定迟熟早籼广陆矮4号在某年5月5日至8月5日播种时（每隔10天播一期），播种至齐穗的天数（x）和播种至齐穗的总积温（y，日·度）的关系，数据列于下表，分析播种至齐穗的天数与总积温两者之间的相关关系。

sas统计分析报告

《统计软件》报告聚类分析和方差分析在统计学成绩分析中的应用班级：精算0801班姓名：张倪学号：2008111500 报告时间：2011年11月指导老师：郝际贵成绩：

目录一、背景及数据来源 (1) 二、描述性统计分析 (2) 三、聚类分析 (4) 四、方差分析 (6) 五、结果分析与结论 (8)

聚类分析和方差分析在统计学成绩分析中的应用一、背景及数据来源 SAS 系统全称为Statistics Analysis System，最早由北卡罗来纳大学的两位生物统计学研究生编制，并于1976年成立了SAS软件研究所，正式推出了SAS 软件。SAS是用于决策支持的大型集成信息系统，但该软件系统最早的功能限于统计分析，至今，统计分析功能也仍是它的重要组成部分和核心功能。 SAS 系统是一个组合软件系统，它由多个功能模块组合而成，其基本部分是BASE SAS模块。BASE SAS模块是SAS系统的核心，承担着主要的数据管理任务，并管理用户使用环境，进行用户语言的处理，调用其他SAS模块和产品。也就是说，SAS系统的运行，首先必须启动BASE SAS模块，它除了本身所具有数据管理、程序设计及描述统计计算功能以外，还是SAS系统的中央调度室。它除可单独存在外，也可与其他产品或模块共同构成一个完整的系统。各模块的安装及更新都可通过其安装程序非常方便地进行。本文利用SAS软件进行描述性统计、聚类分析等统计分析方法，将学生按照多指标综合考虑进行聚类。数据来源：选取2010—2011第一学期统计学选教课成绩单，选取性别系别等变量进行考察。将中文名称改为英文。数据类型如下所示：当输入字符型的变量时，需要加上符号$在该变量的后面，用于区分数值型变量，所以用$来作为后缀。删除缺考错误分数等异常值。命名为2010stat.xls

常见土的种类及性质

四、无黏性土的物理性质无黏性土主要是指砂土和碎石土，其工程性质与其密实度密切相关。密实度越大，土的强度越大。因此，密实度是反映无黏性土工程性质的主要指标。评判无黏性土的密实度有以下方法：1、根据相对密实度 Dr （大小位于0~1 之间）判别：密实（ 1 ≥Dr≥0 . 67 ）；中密（ 0 . 67≥Dr≥0 . 33 ）；松散（ 0 . 33 ≥ Dr ≥0 ）。该法适用于透水性好的无黏性土，如纯砂、纯砾。 2、根据天然孔隙比e判别： e越小，土越密实。一般，e＜ 0 . 6 时属密实，e＞ 1 . 0 时属疏松。该法适用于砂土，但不能考虑矿物成分、级配等对密实度的影响。 3、根据原位标准贯入试验判别：密（ N > 30 ）、中密（ 15 ≤N≤ 30 ）、稍密（ 10≤N≤15 ）、松散（ N≤10 ）原位标准贯入试验：在土层钻孔中，利用重63.5kg的锤击贯入器，根据每贯入30cm所

需锤击数来判断土的性质，估算土层强度的一种动力触探试验。 4、根据野外方法鉴别（针对碎石类土）肉眼观察、挖、钻等。五、黏性土的物理性质黏性土的特性主要是由于黏粒与水之间的相互作用产生，因此含水量是决定因素。黏性土的含水量对其物理状态和工程性质有重要影响。液限（ωL, Liqud Limit ）：土由可塑状态变到流动状态的界限含水量；土处于可塑状态的最大含水量，稍大即流态；塑限（ωP， Plastic Limit ）：土由半固态变为可塑状态的界限含水量；土处于可塑状态的最小含水量，稍小即半固态；缩限（ωS , Shrinkage Limit ）：土由固态变为半固态的界限含水量；土处于半固态的最小含水量，稍小即为固态。塑性指数IP ―表示土处于可塑状态的含水量变化范围。 IP 越大，土处于可塑状态的含水量范围也越大。

ASTM土的工程分类执行标准统一的土分类体系

Designation: D 2487-00 土的工程分类执行标准（统一的土分类体系） 1. 范围 1.1 该操作描述基于实验室测定的粒径特征、液限和塑性指数用于工程目的分类矿物和有机金属矿物土的体系，当需要精确分类土时，这些将会用到。 1.2 该体系的组符号是基于实验室在土试样通过3-in.(75-mm)筛部分试样上的测试完成的数据（见规范E11）。 1.3 作为一种分类体系，该标准仅限于自然生成的土。 1.4 该标准仅应用于定性。 1.5 该标准是统一的土分类体系的ASTM版本。分类表的理论是由 A. Casagrande在上世纪四十年代初发展的飞机场分类体系。当几个美国政府机构在1952年采用改进后的飞机场体系版本，它就成为众所周知的统一的土分类体系。 1.6该标准试验方法没有包含所有的安全问题，即便要，也应联系实际需要。

在试验前确定合适的安全、健康守则和决定其规章制度适用的局限性是试验者的责任。 1.7 该操作提供一套用于完成一种或是更多特殊操作的说明。该文件不能取代培训或是经验，应结合职业判断使用。不是所有的该操作都能用于所有的环境。该ASTM标准不是想代表或是取代标准观察，对于一给定的专业，必须判断其适当性，也不是不考虑一个工程的许多的特殊方面就采用该文件。在标题中“标准”一词仅仅意味着文件已经通过了ASTM多数人赞同通过程序的批准。 2. 参考文件 3. 术语

3.1 定义-除非以下列出的，所有定义均参照术语D 653。 3.1.1 粘土-通过No.200(75-mm)美国标准筛的土，能被制成在一定范围的含水率存在塑性（像灰泥样的性质），当空干时存在相当的强度。对于分类，粘土是细颗粒土，或者土中的细粒部分，其塑性指数等于或大于4，在塑性指数对液限的曲线上落在或在“A ”线以上。 3.1.2 砾石-岩石粒子通过美国标准筛3-in.(75-mm)筛，保留在No.4( 4.75-mm)筛上部分，按以下细分：粗砾-通过3-in.(75-mm)筛，保留在43-in.(19-mm)筛上部分。细砾-通过43-in.(19-mm)筛，保留在No.4(4.75-mm)筛上部分。 3.1.3 有机粘土-带有足够有机物成分能影响土性质的粘土。对于分类，有机粘土是一种土，应归类为粘土，除非它在烘干后的液限值小于烘干前液限值的75%。 3.1.4 有机粉土-带有足够有机成分能影响土性质的粉土。对于分类，有机粉土是一种土，应归类为粉土，除非它在烘干后的液限值小于烘干前液限值的75%。 3.1.5 泥炭-一种含有各分解阶段植物组织的土，通常带有机物气味，棕黑色-黑色，像海绵似的结构，质地为纤维的-无定型的。 3.1.6 砂-岩石粒子通过美国标准筛No.4( 4.75-mm)筛，保留在No.200(75-mm)筛上部分，按以下细分：粗砂-通过No.4(4.75-mm)筛，保留在No.10(2.00-mm)筛上部分。中砂-通过No.10(2.00-mm)筛，保留在No.40(425-m μ)筛上部分。细砂-通过No.40(425-m μ)筛，保留在No.200(75-m μ)筛上部分。 3.1.7 粉土-能通过美国标准筛No.200(75-m μ)筛，没有塑性或是非常轻微的塑性，当空干时表现出很小或没有强度的土。对于分类，粉土是细粒土，或者土中的细粒部分，其塑性指数小于4或如果在塑性指数曲线对液限的曲线里落在

贝叶斯分类作业题

作业：在下列条件下，求待定样本x=(2,0)T的类别，画出分界线，编程上机。 1、二类协方差不等 Matlab程序如下： >> x1=[mean([1,1,2]),mean([1,0,-1])]',x2=[mean([-1,-1,-2]),mean([1,0,-1])]' x1 = 1.3333 x2 = -1.3333 >> m=cov([1,1;1,0;2,-1]),n=cov([-1,1;-1,0;-2,-1]) m = 0.3333 -0.5000 -0.5000 1.0000 n = 0.3333 0.5000 0.5000 1.0000 >> m1=inv(m),n1=inv(n) m1 = 12.0000 6.0000 6.0000 4.0000

n1 = 12.0000 -6.0000 -6.0000 4.0000 >> p=log((det(m))/(det(n))) p = >> q=log(1) q = >> x=[2,0]' x = 2 >> g=0.5*(x-x1)'*m1*(x-x1)-0.5*(x-x2)'*n1*(x-x2)+0.5*p-q g = -64 （说明：g<0,则判定x=[2,0]T属于ω1类）（化简矩阵多项式0.5*(x-x1)'*m1*(x-x1)-0.5*(x-x2)'*n1*(x-x2)+0.5*p-q，其中x1,x2已知，x 设为x=[ x1,x2]T,化简到(12x1-16+6x2）(x1-4/3)+(6x1-8+4x2) -(12x1+16-6x2)(x1+4/3)-(-6x1-8+4x2)x2，下面用matlab化简，程序如下） >> syms x2; >> syms x1; >> w=(12*x1-16+6*x2)*(x1-4/3)+(6*x1-8+4*x2)*x2-(12*x1+16-6*x2)*(x1+4/3)-(-6*x1-8+4*x2)*x 2,simplify(w) w =

土的分类与鉴定

为碎石土，并按下表进一步分类。定名时，应根据颗粒级配由大到小以最先符合者确定。表1-11 碎石土分类土的名称颗粒形状颗粒级配漂石圆形及亚圆形为主粒径大于200mm的颗粒质量超过总质量

50% 块石棱角形为主卵石圆形及亚圆形为主粒径大于20mm的颗粒质量超过总质量50% 碎石

棱角形为主圆砾圆形及亚圆形为主粒径大于2mm的颗粒质量超过总质量50% 角砾棱角形为主

碎石土的密实度可根据圆锥动力触探锤击数确定，对于平均粒径等于或小于50mm，且最大粒径小于100mm的碎石土，可用重型动力触探锤击数N63.5按表1-12分类。并按表1-13的修正系数对锤击数N63.5进行修正。表1-12 碎石土密实度按N63.5分类重型动力触探锤击数N63.5 N63.5＞20 5＜N63.5≤20 5＜N63.5≤10 N63.5≤5

土的分类标准

土的分类标准第一章总则第1.0.1条为了统一工程用土的鉴别、定名和描述，便于对土的性状作定性评价，特制订本标准。第1.0.2条本标准适用于各类工程用土；不适用于混凝土所用砂、石料和有机土。注：工程用土指工程勘察、建筑物地基、堤坝填料和地基处理等所涉及的土类、有机土指土料中大部分成分为有机物质的土。第1.0.3条本标准是工程用土的通用分类标准。各行业的工程部门可根据各自的专门需要，编制专门分类标准。第1.0.4条土的各项分类试验，应符合现行的国家标准《土工试验方法标准》的规定。第二章一般规定第2.0.1条工程用土的类别应根据下列土的指标确定：一、土颗粒组成及其特征；二、土的塑性指标：液限（ωL）、塑限（W p）和塑性指数（I p）；三、土中有机质存在情况。第2.0.2条土的粒组应根据表2.0.2规定的土颗粒粒径范围划分。 2.0.2 粒组划分表第2.0.3条土颗粒组成特征应根据土的级配指标的不均匀系数（Cu）和曲率系数（Cc）确定，并应符合下列规定：一、不均匀系数，应按下式计算：

式中d 60——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的60； d 10——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的10。二、曲率系数，应按下式计算：式中d 30——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的30。第2.0.4条细粒土应根据塑性图分类。塑性图的横坐标为土的液限（ωL ）,纵坐标为塑性指数（I p ）。本标准规定有两种塑性图，可根据下列所采用的液限标准进行选用：一、当取质量为写76g 、锥角为30°的液限仪锥尖入土深度为17mm 对应的含水量为液限时，应按塑性图2.0.4－1分类。图2.0.4-1 塑性图二、当取质量为76g 、锥角为30°的液限仪锥尖入土深度为10mm 对应的含水量为液限时，应按塑性图2.0.4－2 分类。 Ip w L

多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS

院系：数学与统计学学院专业：__统计学年级：2009 级课程名称：统计分析 ____ 学号：____________ 姓名：_________________ 指导教师：____________ 2012年4月28日（一）实验名称 1. 编程计算样本协方差矩阵和相关系数矩阵；

2. 多元方差分析MANOVA。（二）实验目的 1. 学习编制sas程序计算样本协方差矩阵和相关系数矩阵; 2. 对数据进行多元方差分析。（三）实验数据第一题：第二题:

（四）实验内容 1. 打开SAS软件并导入数据； 2. 编制程序计算样本协方差矩阵和相关系数矩阵; 3. 编制sas程序对数据进行多元方差分析； 4. 根据实验结果解决问题，并撰写实验报告；（五）实验体会（结论、评价与建议等）第一题：程序如下： proc corr data=sasuser.sha n cov; proc corr data=sasuser.sha n no simple cov; with x3 x4; partial x1 x2; run; 结果如下：（1）协方差矩阵 $AS亲坯曲；15 Friday, Apr： I SB,沙DO COUR过程 x4 目由度=30 Xi x2x3x4x5X? -10.I9B4944-0.45E2GJ5I.3347097-G.1193E48-￡0.e75?GS

-ID. 188494669,36&Q3?9-7.22IO&OS1J5692043I5.49ee^91S.Oa97SM -8.45S2645■7,221050829.S78&S46-6.372E47I-15.3084183-21.7352376-11.5674785 1.3841097 1.G5S2M7t.3726171IJ24?17B 4.e093011 4.4C12473 2.B747CM -G. I1S3S49 1.GS92043-is.soul aa 4.B09B01I68.7978495劣』S670971S.57ai1B3 -IH.05l6l?a15.43S6569-J1.73S2376孔耶124TB27.0387097105.103225&S7.3505S7E： -2D K5752??319-11337204-1L55M7S52r9747?3i19,573118337.3S0&87E33.3SQ6452 (2) 相关系数矩阵 Pearson相关系数” N =引当HO： Rho=0 时.Prob > |r| Xi Xi xl 1.QQ000 x2 -C.23954 0.2061 x3 -0,30459 0.0957 x4 0.18975 Q.3092 x5 '0.14157 0.4475 x6 -0.83787 0.0630 -0.49292 0.0150 x2-0.23354 1.00000-0.162750.143510.022700.181520.24438 x20.20C10.31:1?0.441?0.90350.32640.1761 x3-0.30459-0.16275 1.00000-0.06219-0.34641-0.^797-0.23674 x30.095?0.381?<.00010.0563o.oses0 JS97 x40.1S8760.14351-0.86219L000000.400540,313650.22610 x40.30920.4412<.0001 D.02EG Q.085S0.2213 x5-0J 41570.02270-0.946410.40054 1.000000.317370.26750 x50.4J750.90350.0G68Q.025&0.08130 + 1620 x6-0.33?e?0.1S162-0.397970.813650.31787LOOOOO0.82976 x60.0S300.32840.02660.08580.0813C0001辺-0.432920.24938-0.288740.22810 D.267600.92976 1.00000 x70,01500J7610.19970.22130JG20<.0001 第二题：程序如下： proc anova data=sasuser.hua ng; class kind; model x1-x4=k ind; manova h=k ind; run; 结果如下： (1)分组水平信息 The ANNA Procedure Cla^s Level Informat ion Class Level?Values kind 3 123 Number of observatIons CO (2) x1、x2、x3、x4的方差分析

数据分析SAS报告

90-08年人民消费能力分析一、问题提出改革开放以来中国经济飞速发展，GDP连续超过德国、日本，现以成为世界上第二大经济体，人民生活水平不断提高，但受金融危机的影响，近几年来物价持续上涨，本月CPI创历史新高，人民的消费能力是否随着GDP的增加而增加呢？本文以中国经济年鉴中的“人民消费支出构成”的数据为依据利用统计软件SAS 进行了相关分析。数据如下食品衣着居住家庭设备用品及服务交通通讯文教娱乐用品及服务医疗保健其他商品及服务 1990 58.8000 7.7700 17.3400 5.2900 1.4400 5.3700 3.2500 0.7400 1995 58.6200 6.8500 13.9100 5.2300 2.5800 7.8100 3.2400 1.7600 2000 49.1300 5.7500 15.4700 4.5200 5.5800 11.1800 5.2400 3.1400 2005 45.4800 5.8100 14.4900 4.3600 9.5900 11.5600 6.5800 2.1300 2007 43.0800 6.0000 17.8000 4.6300 10.1900 9.4800 6.5200 2.3000 2008 43.6700 5.7900 18.5400 4.7500 9.8400 8.5900 6.7200 2.0900 二、问题分析 1、通过对消费种类进行主成分分析判断人民的消费情况。 2、对主成分标准化后在分析各年的消费能力排名。三、解决问题 3.1 SAS程序： data examp4_4; input id x1-x8; cards; 1990 58.8000 7.7700 17.3400 5.2900 1.4400 5.3700 3.2500 0.7400 1995 58.6200 6.8500 13.9100 5.2300 2.5800 7.8100 3.2400 1.7600 2000 49.1300 5.7500 15.4700 4.5200 5.5800 11.1800 5.2400 3.1400 2005 45.4800 5.8100 14.4900 4.3600 9.5900 11.5600 6.5800 2.1300 2007 43.0800 6.0000 17.8000 4.6300 10.1900 9.4800 6.5200 2.3000 2008 43.6700 5.7900 18.5400 4.7500 9.8400 8.5900 6.7200 2.0900 ; run; proc corr cov nosimple data=examp4_4; var x1-x8; run; proc princomp data=examp4_4 out=bb; var x1-x8; run; data score1; /*以下程序是对各年按第一主成分得分进行排名并打印结果*/ set bb; keep id prin1;

公路工程土的分类方法

公路工程土的分类方法大家好！我是《土木工程试验检测技术研究》及《细集料含泥量与含粉量的试验研究》的作者韦汉运，群共享有《土木工程试验检测技术研究》及《细集料含泥量与含粉量的试验研究》的内容简介，如有兴趣，可到群共享下载。下面是我在“工程试验交流千人群（207135730）”对一位网友提出的“小于2mm占84.9%，小于0.075mm占53.1%，液限30.4，塑限23.1，塑性指数7.3的土，定名是什么土”的回答。一、根据JTG E40-2007《公路土工试验规程》（以下简称“2007年版《土工试验规程》”）及“小于0.075mm占53.1%”的已知条件可知，该土为细粒土（细粒组与粗粒组筛孔的划分，以0.075mm筛为界限，见2007年版《土工试验规程》“图3-1 粒组划分图”）。二、根据2007年版《土工试验规程》该土的液限应为30％，塑限应为23％，则塑性指数I p=(30-23)＝7（塑性指数没有单位）。三、根据2007年版《土工试验规程》

可知:A线I p=0.73×(30－20)＝7.3 则:该土的塑性指数I p＝7＜A线I p=7.3 即:该细粒土位于塑性图A线以下四、根据2007年版《土工试验规程》及上面“该细粒土位于塑性图A线以下”的已知条件，该土符合2007年版《土工试验规程》第3.4.4-（2）条土的定名。五、根据上面“该土的液限为30％”的已知条件可知，该土属于低液限土，故该土“在B 线以左”；根据该土的塑性指数I p＝7及2007年版《土工试验规程》第3.4.4-（3）条，该土应定名为低液限粉土（ML）。六、根据上面“小于2mm占84.9%，小于0.075mm占53.1%”的已知条件可知，大于2mm 的颗粒占15.1%（100-84.9=15.1，即含砾为15.1%），2mm～0.075mm的颗粒占31.8%（100-53.1-15.1=31.8，即含砂为31.8%），即含砂的颗粒多于含砾的颗粒。七、根据JTG E40-2007《公路土工试验规程》该土的最终定名应为含砂低液限粉土（MLS）。以上就是该土的定名方法，公路工程其它土的分类可参考上述方法进行定名，如有欠妥之处，欢迎到“工程试验交流千人群（207135730）”继续交流、探讨。

贝叶斯分类实验报告doc

贝叶斯分类实验报告篇一：贝叶斯分类实验报告实验报告实验课程名称数据挖掘实验项目名称贝叶斯分类年级 XX级专业信息与计算科学学生姓名学号 1207010220 理学院实验时间： XX 年 12 月 2 日学生实验室守则一、按教学安排准时到实验室上实验课，不得迟到、早退和旷课。二、进入实验室必须遵守实验室的各项规章制度，保持室内安静、整洁，不准在室内打闹、喧哗、吸烟、吃食物、随地吐痰、乱扔杂物，不准做与实验内容无关的事，非实验用品一律不准带进实验室。三、实验前必须做好预习（或按要求写好预习报告），未做预习者不准参加实验。四、实验必须服从教师的安排和指导，认真按规程操作，未经教师允许不得擅自动用仪器设备，特别是与本实验无关的仪器设备和设施，如擅自动用

或违反操作规程造成损坏，应按规定赔偿，严重者给予纪律处分。五、实验中要节约水、电、气及其它消耗材料。六、细心观察、如实记录实验现象和结果，不得抄袭或随意更改原始记录和数据，不得擅离操作岗位和干扰他人实验。七、使用易燃、易爆、腐蚀性、有毒有害物品或接触带电设备进行实验，应特别注意规范操作，注意防护；若发生意外，要保持冷静，并及时向指导教师和管理人员报告，不得自行处理。仪器设备发生故障和损坏，应立即停止实验，并主动向指导教师报告，不得自行拆卸查看和拼装。八、实验完毕，应清理好实验仪器设备并放回原位，清扫好实验现场，经指导教师检查认可并将实验记录交指导教师检查签字后方可离去。九、无故不参加实验者，应写出检查，提出申请并缴纳相应的实验费及材料消耗费，经批准后，方可补做。十、自选实验，应事先预约，拟订出实验方案，经实验室主任同意后，在指导教师或实验技术人员的指导下进行。十一、实验室内一切物品未经允许严禁带出室外，确需带出，必须经过批准并办理手续。学生所在学院：理学院专业：信息与计算科学班级：信计121

工程土的分类

土的工程分类土的工程分类，见表4—1—2。表4-1-2 土的工程分类土的分类土的级别土的名称坚实系数开控方法及工具一类土 (松软土) Ⅰ 砂，亚砂土，冲积砂土层，种植土，泥炭(淤泥) 0.5～0.6 用锹、锄头挖掘二类土 (普通土) Ⅱ 亚粘土，潮湿的黄土，重亚粘土，夹有碎石、卵石的砂、种植土、填筑土及亚砂土 0.6～0.8 用锹、锄头控掘，少许用镐翻松三类土 (坚土) Ⅲ 软及中等密实粘土，重亚粘土，粗砾石，干黄土及含碎石、卵石的黄土、亚粘土，压实的填筑土 0.8～1.0 主要用镐，少许用锹、锄头挖掘，部分用橇棍四类土 (砂砾坚土) Ⅳ 重粘土及含碎石土、卵石的粘土，粗卵石，密实的黄土，天然级配砂石，软泥灰岩及蛋白石 1.0～1.5 用镐、橇棍、然后用锹挖掘，部分用楔子及大锤五类土(软Ⅴ ～ Ⅵ 硬石炭纪粘土，中等密实的页岩、泥灰岩、白垩土，胶结紧的砾岩，软的石灰岩 1.5～4.0 用久或橇棍、大锤挖掘，部分使用爆破方

石) 法六类土 (次坚石) Ⅶ ～ Ⅸ 泥岩，砂岩，砾岩，坚实的页岩、泥灰岩，密实的石灰岩，风化花岗岩、片麻岩 4.0～10 用爆破方法开挖，部分用风镐七类土(坚石) Ⅹ ～ Ⅷ 大理岩，辉绿岩，玢岩，粗、中粒花岗岩，坚实的白云岩、砂岩、砾岩、片麻岩，石灰岩、风化痕迹的安山岩、玄武岩 10～18 用爆破方法开挖八类土(特坚石) XI V ～ XV I 安山岩，率武岩，花岗片麻岩，坚实的细粒花岗石、闪长岩、石英岩、辉长岩、辉绿岩、玢岩 18～25 以上用爆破方法开挖注：1.土的级别为相当于一般16级土石分类级别； 2.坚实系数为相当于普氏岩石强度系数

土的分类与定名

土的分类与定名一、概述（一)土分类的目的与意义土分类的目的在于通过分类来认识和识别土的种类，并针对不同类型的土进行研究和评价，以便更好地利用和改造土体，使其适应和满足工程建设需要。土分类是工程地质学中重要的基础理论课题，也是土力学的重要内容之一。其在科学研究领域和工程实际应用中都有很重要的意义。 1、对种类繁多、性质各异的土，按一定原则进行分门别类，以便更合理地选择研究内容和方法，针对不同工程建筑要求，对不同的土给予正确的评价，为合理利用和改造各类土提供客观实际的依据。因此，在各类工程勘察中，都应该把研究区域内的各种土进行分类，并反映在工程地质平面图和剖面图上，作为工程设计与施工的依据。 2、土分类也是国内外科技交流的需要。前面已经讲过的，在没有全国统一的土分类标准以前，国内各部门的土分类标准差异较大，其不利于学术交流，也不利于促进技术的发展。只有形成统一的土分类标准后，土工技术才有了广泛的技术交流与发展。（二）土的分类方法 1、土分类的基本类型按具体内容和适用范围，土分类可以概括为一般性分类、局部性分类和专门性分类三种基本类型。（1）一般性分类，是对包括工程建筑中常遇到的各类土，考虑土的主要工程地质特征而进行的划分。这是一种比较全面的综合性分类，其有着重大的理论和实践意义，最常见的土分类就是这种分类，也称通用分类。（2）局部性分类。仅根据一个或较少的几个专门指标，或者是仅对部分土进行分类，例如按粒度成分的分类，按塑性指数的分类及按压缩性指标的分类等。这种分类应用范围较窄，但划分明确具体，是一般性分类的补充和发展。（3）专门性分类。根据某些工程部分的具体需要而进行的分类。它密切结合工程建筑类型，直接为工程设计与施工服务。如水利水电、地质、工业与民用建筑、交通等部门都有相应的土分类标准，并以规范形式颁布，在本部门统一执行。专门性分类是一般性分类在实际应用中的补充和发展。 2、土分类的序次

SAS统计分析教程方法总结

对定量结果进行差异性分析 1.单因素设计一元定量资料差异性分析 1.1.单因素设计一元定量资料t检验与符号秩和检验 T检验前提条件：定量资料满足独立性和正态分布，若不满足则进行单因素设计一元定量资料符号秩和检验。 1.2.配对设计一元定量资料t检验与符号秩和检验配对设计：整个资料涉及一个试验因素的两个水平，并且在这两个水平作用下获得的相同指标是成对出现的，每一对中的两个数据来自于同一个个体或条件相近的两个个体。 1.3.成组设计一元定量资料t检验成组设计定义：设试验因素A有A1，A2个水平，将全部n（n最好是偶数）个受试对象随机地均分成2组，分别接受A1，A2，2种处理。再设每种处理下观测的定量指标数为k，当k=1时，属于一元分析的问题；当k≥2时，属于多元分析的问题。在成组设计中，因2组受试对象之间未按重要的非处理因素进行两两配对，无法消除个体差异对观测结果的影响，因此，其试验效率低于配对设计。 T检验分析前提条件：

独立性、正态性和方差齐性。 1.4.成组设计一元定量资料Wil coxon秩和检验不符合参数检验的前提条件，故选用非参数检验法，即秩和检验。1.5.单因素k（k>=3）水平设计定量资料一元方差分析方差分析是用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。这里，由于仅研究单个因素对观测变量的影响，因此称为单因素方差分析。方差分析的假定条件为：（1）各处理条件下的样本是随机的。（2）各处理条件下的样本是相互独立的，否则可能出现无法解析的输出结果。（3）各处理条件下的样本分别来自正态分布总体，否则使用非参数分析。（4）各处理条件下的样本方差相同，即具有齐效性。 1.6.单因素k（k>=3）水平设计定量资料一元协方差分析协方差分析(Analysis of Covariance)是将回归分析与方差分析结合起来使用的一种分析方法。在这种分析中，先将定量的影响因素(即难以控制的因素)看作自变量，或称为协变量(Covariate)，建立因变量随自变量变化的回归方程，这样就可以利用回归方程把因变量的变化中受不易控制的定量因素的影响扣除掉，从而，能够较合理地比较定性的影响因素处在不同水平下，经过回归分析手段修正以后的因变量的样本均数之间的差别是否有统计学意义，这就是协方差分析解决问题的基本计算原理。

贝叶斯分类多实例分析总结

用于运动识别的聚类特征融合方法和装置提供了一种用于运动识别的聚类特征融合方法和装置，所述方法包括：将从被采集者的加速度信号中提取的时频域特征集的子集内的时频域特征表示成以聚类中心为基向量的线性方程组；通过求解线性方程组来确定每组聚类中心基向量的系数；使用聚类中心基向量的系数计算聚类中心基向量对子集的方差贡献率；基于方差贡献率计算子集的聚类中心的融合权重；以及基于融合权重来获得融合后的时频域特征集。加速度信号 →时频域特征 →以聚类中心为基向量的线性方程组 →基向量的系数 →方差贡献率 →融合权重基于特征组合的步态行为识别方法本发明公开了一种基于特征组合的步态行为识别方法，包括以下步骤：通过加速度传感器获取用户在行为状态下身体的运动加速度信息；从上述运动加速度信息中计算各轴的峰值、频率、步态周期和四分位差及不同轴之间的互相关系数；采用聚合法选取参数组成特征向量；以样本集和步态加速度信号的特征向量作为训练集，对分类器进行训练，使的分类器具有分类步态行为的能力；将待识别的步态加速度信号的所有特征向量输入到训练后的分类器中，并分别赋予所属类别，统计所有特征向量的所属类别，并将出现次数最多的类别赋予待识别的步态加速度信号。实现简化计算过程，降低特征向量的维数并具有良好的有效性的目的。传感器 →样本及和步态加速度信号的特征向量作为训练集 →分类器具有分类步态行为的能力基于贝叶斯网络的核心网故障诊断方法及系统本发明公开了一种基于贝叶斯网络的核心网故障诊断方法及系统，该方法从核心网的故障受理中心采集包含有告警信息和故障类型的原始数据并生成样本数据，之后存储到后备训练数据集中进行积累，达到设定的阈值后放入训练数据集中；运用贝叶斯网络算法对训练数据集中的样本数据进行计算，构造贝叶斯网络分类器；从核心网的网络管理系统采集含有告警信息的原始数据，经贝叶斯网络分类器计算获得告警信息对应的故障类型。本发明，利用贝叶斯网络分类器构建故障诊断系统，实现了对错综复杂的核心网故障进行智能化的系统诊断功能，提高了诊断的准确性和灵活性，并且该系统构建于网络管理系统之上，易于实施，对核心网综合信息处理具有广泛的适应性。告警信息和故障类型 →训练集 —>贝叶斯网络分类器

土的分类

土的分类与鉴定土属于第四系的松散堆积物，其结构松散，成因复杂。根据地质成因，可划分为残积土、坡积土、洪积土、淤积土、冰积土和风积土等。据土的颗粒级配、塑性指标、液限或孔隙比可将土分为碎土石、砂土、粉土、粘性土和淤泥质土。根据形成时代晚更新世Q 3 及其以前沉积的土，定为老沉积土；第四纪全新世中近期沉积的土，为新近沉积土。 1．土的描述与定名在岩土工程中，土的分类主要依据其粒度成分，并结合其成因和时代进行命名。因此在现场勘察时应注意划分成因和时代，并详细描述土的成分和结构特征。碎石土应描述：砂土应描述：粉土应描述：粘性土应描述： 2．碎土石的分类粒径大于2mm的颗粒质量超过总质量50%的土，应定名为碎石土，并按下表进一步分类。定名时，应根据颗粒级配由大到小以最先符合者确定。土的名称颗粒形状颗粒级配漂石圆形及亚圆形为主粒径大于200mm的颗粒质量超过总质量50% 块石棱角形为主卵石圆形及亚圆形为主粒径大于20mm的颗粒质量超过总质量50% 碎石棱角形为主圆砾圆形及亚圆形为主粒径大于2mm的颗粒质量超过总质量50% 角砾棱角形为主碎石土的密实度可根据圆锥动力触探锤击数确定，对于平均粒径等于或小于50mm，且最大粒径小于100mm的碎石土，可用重型动力触探锤击数N 63.5 按表1-12分类。并按表1-13的修正系数对锤击数N 63.5 进行修正。表1-12 碎石土密实度按N 63.5 分类

重型动力触探锤击数N 63.5N 63.5 ＞ 20 5＜N 63.5 ≤205＜N 63.5 ≤10 N 63.5 ≤5 密实度密实中密稍密松散对于平均粒径大于50mm，或最大粒径大于100mm的碎石土，可用超重型动力触探N 120 按表1-14分类，并按表 1-15的修正系数对锤击数N 120 进行修正。或参照表1-16根据野外观察鉴别。超重型动力触探锤击数 N 120 N 120 ＞14 11＜ N 120 ≤14 6＜ N 120 ≤11 3＜ N 120 ≤6 N 120 ≤3 密实度密实很密中密稍密松散 3．砂土的分类粒径大小2mm的颗粒质量不超过总质量的50%，粒径大于0.075mm的颗粒质量超过总质量50%的土，应定名为砂土，并按表1-17进一步分类，定名时应根据颗粒级配由大小以最先符合者确定。土的名称颗粒级配砾砂粒径大于2mm的颗粒质量占总质量25%～50% 粗砂粒径大于0.5mm的颗粒质量超过总质量50% 中砂粒径大于0.25mm的颗粒质量超过总质量50% 细砂粒径大于0.075mm的颗粒质量超过总质量85% 粉砂粒径大于0.075mm的颗粒质量超过总过总质量50% 砂土的密实度应根据标准贯入试验锤击数实测值N划分为密实、中密、稍密和松散，按表1-18确定。当用静力触探探头阻力划分砂土密实度时，可根据当地经验确定。标准贯入锤击数N 密实度标准贯入锤击数N 密实度标准贯入锤击数N 密实度

模式识别大作业

作业1 用身高和/或体重数据进行性别分类（一）基本要求：用FAMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试。调整特征、分类器等方面的一些因素，考察它们对分类器性能的影响，从而加深对所学内容的理解和感性认识。具体做法： 1．应用单个特征进行实验：以（a）身高或者（b）体重数据作为特征，在正态分布假设下利用最大似然法或者贝叶斯估计法估计分布密度参数，建立最小错误率Bayes分类器，写出得到的决策规则，将该分类器应用到测试样本，考察测试错误情况。在分类器设计时可以考察采用不同先验概率（如0.5对0.5, 0.75对0.25, 0.9对0.1等）进行实验，考察对决策规则和错误率的影响。图1-先验概率0.5:0.5分布曲线图2-先验概率0.75:0.25分布曲线图3--先验概率0.9:0.1分布曲线图4不同先验概率的曲线有图可以看出先验概率对决策规则和错误率有很大的影响。程序：bayesflq1.m和bayeszcx.m

关（在正态分布下一定独立），在正态分布假设下估计概率密度，建立最小错误率Bayes 分类器，写出得到的决策规则，将该分类器应用到训练/测试样本，考察训练/测试错误情况。比较相关假设和不相关假设下结果的差异。在分类器设计时可以考察采用不同先验概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）进行实验，考察对决策和错误率的影响。训练样本female来测试图1先验概率0.5 vs. 0.5 图2先验概率0.75 vs. 0.25 图3先验概率0.9 vs. 0.1 图4不同先验概率对测试样本1进行试验得图

土的分类标准

土的分类标准第一章总则第1.0.1条为了统一工程用土的鉴别、定名和描述，便于对土的性状作定性评价，特制订本标准。第1.0.2条本标准适用于各类工程用土；不适用于混凝土所用砂、石料和有机土。注：工程用土指工程勘察、建筑物地基、堤坝填料和地基处理等所涉及的土类、有机土指土料中大部分成分为有机物质的土。第1.0.3条本标准是工程用土的通用分类标准。各行业的工程部门可根据各自的专门需要，编制专门分类标准。第1.0.4条土的各项分类试验，应符合现行的国家标准《土工试验方法标准》的规定。第二章一般规定第2.0.1条工程用土的类别应根据下列土的指标确定：一、土颗粒组成及其特征；二、土的塑性指标：液限（ωL）、塑限（W p）和塑性指数（I p）；三、土中有机质存在情况。第2.0.2条土的粒组应根据表2.0.2规定的土颗粒粒径范围划分。粒组划分表2.0.2 第2.0.3条土颗粒组成特征应根据土的级配指标的不均匀系数（Cu）和曲率系数（Cc）确定，并应符合下列规定：一、不均匀系数，应按下式计算：式中d60——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的

60； d 10——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的10。二、曲率系数，应按下式计算：式中d 30——在土的粒径分布曲线上的某粒径，小于该粒径的土粒质量为总土粒质量的30。第2.0.4条细粒土应根据塑性图分类。塑性图的横坐标为土的液限（ωL ）,纵坐标为塑性指数（I p ）。本标准规定有两种塑性图，可根据下列所采用的液限标准进行选用：一、当取质量为写76g 、锥角为30°的液限仪锥尖入土深度为17mm 对应的含水量为液限时，应按塑性图2.0.4－1分类。图2.0.4-1 塑性图二、当取质量为76g 、锥角为30°的液限仪锥尖入土深度为10mm 对应的含水量为液限时，应按塑性图2.0.4－2分类。图2.0.4—2 塑性图 Ip w L

作业1-贝叶斯分类器

作业1、BAYES分类器算法1. %绘图，从多个视角观察上述3维2类训练样本 clear all; close all; N1=440; x1(1,:)=-1.7+0.9*randn(1,N1); % 1 类440 个训练样本,3 维正态分布 x1(2,:)= 1.6+0.7*randn(1,N1); x1(3,:)=-1.5+0.8*randn(1,N1); N2=400; x2(1,:)= 1.3+1.2*randn(1,N2); % 2 类400 个训练样本,3 维正态分布 x2(2,:)=-1.5+1.3*randn(1,N2); x2(3,:)= 1.4+1.1*randn(1,N2); plot3(x1(1,:),x1(2,:),x1(3,:),'*',x2(1,:),x2(2,:),x2(3,:),'o'); grid on; axis equal; axis([-5 5 -5 5 -5 5]); xlabel('x ');ylabel('y ');zlabel('z '); %假定2类的类条件概率分布皆为正态分布，分别估计2类的先验概率、均值向量、协方差矩阵 p1=N1/(N1+N2); % 1 类的先验概率 p2=N2/(N1+N2); % 2 类的先验概率 u1=sum(x1')/N1; % 1 类均值估计 u1=u1' for i=1:N1 xu1(:,i)=x1(:,i)-u1;end; e1=(xu1*xu1')/(N1-1) % 1 类协方差矩阵估计 u2=sum(x2')/N2; % 2 类均值估计 u2=u2' for i=1:N2 xu2(:,i)=x2(:,i)-u2;end; e2=(xu2*xu2')/(N2-1) % 2 类协方差矩阵估计 %求解2类的BAYES分类器的决策（曲）面，并绘图、从多个视角观察决策面 %bayse 概率概率分布函数 w10=-(1/2)*u1'*(inv(e1))*u1-0.5*log(det(e1))+log(0.52); w20=-(1/2)*u2'*(inv(e2))*u2-0.5*log(det(e2))+log(0.48); W1=-(0.5)*inv(e1); W2=-(0.5)*inv(e2); w1=inv(e1)*u1; w2=inv(e2)*u2; temp=-5:0.1:5; [x1,y1,z1]=meshgrid(temp,temp,temp); val=zeros(size(x1)); for k=1:(size(x1,1)^3) X=[x1(k),y1(k),z1(k)]';