一：多元分布的樣本均值向量的估計1整理課件2整理課件3整理課件4整理課件5整理課件6整理課件7整理課件二：多元分布的樣本協(xié)差陣、離差陣的估計8整理課件9整理課件10整理課件11整理課件這里給出的樣本協(xié)差陣是，而不是12整理課件系統(tǒng)聚類法設(shè)有20個土壤樣品分別對5個變量的觀測數(shù)據(jù)下表所示，試利用系統(tǒng)聚類法對其進行樣品聚類分析。土壤樣本的觀測數(shù)據(jù)13整理課件14整理課件 〔一〕操作步驟 1.在SPSS窗口中選擇Analyze→Classify→HierachicalCluster，調(diào)出系統(tǒng)聚類分析主界面，并將變量X1～X5移入Variables框中。在Cluster欄中選擇Cases單項選擇按鈕，即對樣品進行聚類〔假設(shè)選擇Variables，那么對變量進行聚類〕。在Display欄中選擇Statistics和Plots復選框，這樣在結(jié)果輸出窗口中可以同時得到聚類結(jié)果統(tǒng)計量和統(tǒng)計圖。15整理課件K均值聚類分析主界面16整理課件 2.點擊Iterate按鈕，對迭代參數(shù)進行設(shè)置。MaximumIterations參數(shù)框用于設(shè)定K-means算法迭代的最大次數(shù)，ConvergenceCriterion參數(shù)框用于設(shè)定算法的收斂判據(jù)，其值應該介于0和1之間。例如判據(jù)設(shè)置為0.02，那么當一次完整的迭代不能使任何一個類中心距離的變動與原始類中心距離的比小于2時，迭代停止。設(shè)置完這兩個參數(shù)之后，只要在迭代的過程中先滿足了其中的參數(shù)，那么迭代過程就停止。這里我們選擇系統(tǒng)默認的標準。單擊Continue，返回主界面。Iterate子對話框17整理課件 3.點擊Save按鈕，設(shè)置保存在數(shù)據(jù)文件中的說明聚類結(jié)果的新變量。其中Clustermembership選項用于建立一個代表聚類結(jié)果的變量，默認變量名為qcl_1；Distancefromclustercenter選項建立一個新變量，代表各觀測量與其所屬類中心的歐氏距離。我們將兩個復選框都選中，單擊Continue按鈕返回。Save子對話框18整理課件

4.點擊Options按鈕，指定要計算的統(tǒng)計量。選中Initialclustercenters和Clusterinformationforeachcase復選框。這樣，在輸出窗口中將給出聚類的初始類中心和每個觀測量的分類信息，包括分配到哪一類和該觀測量距所屬類中心的距離。單擊Continue返回。 5.點擊OK按鈕，運行K均值聚類分析程序。Options子對話框19整理課件 〔二〕主要運行結(jié)果解釋 1.InitialClusterCenters〔給出初始類中心〕 2.IterationHistory〔給出每次迭代結(jié)束后類中心的變動〕 從下表中可以看到本次聚類過程共經(jīng)歷了三次迭代。由于我們在Iterate子對話框中使用系統(tǒng)默認的選項〔最大迭代次數(shù)為10和收斂判據(jù)為0〕，所以在第三次迭代后，類中心的變化為0，從而迭代停止。20整理課件

迭代過程中類中心的變化量21整理課件3.ClusterMembership〔給出各觀測量所屬的類及與所屬類中心的距離〕 下表中Cluster列給出了觀測量所屬的類別，Distance列給出了觀測量與所屬類中心的距離。22整理課件各觀測量所屬類成員表23整理課件 4.FinalClusterCenters〔給出聚類結(jié)果形成的類中心的各變量值〕最終的類中心表24整理課件從以上兩表可以看出31個地區(qū)被分成3類。第一類包括：江蘇、浙江、山東和廣東4個省。這一類的類中心三個產(chǎn)業(yè)的產(chǎn)值分別為1102.14億元、6423.01億元和4454.26億元，屬于三個產(chǎn)業(yè)都比較興旺的地區(qū)。第二類包括：天津、山西、內(nèi)蒙古、吉林、江西、廣西、海南、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆16個地區(qū)。這一類的類中心三個產(chǎn)業(yè)的產(chǎn)值分別為307.61億元、795.41億元和673.63億元，屬于欠興旺地區(qū)。剩下的11個地區(qū)為第三類。這一類的類中心三個產(chǎn)業(yè)的產(chǎn)值分別為713.28億元、2545.20億元和212.87億元，屬于中等興旺地區(qū)。25整理課件

5.由于我們已經(jīng)在Save子對話框中設(shè)