玉蝉花和鸢尾花区别

玉蝉花和鸢尾花区别

叶片：玉蝉花叶片为条形。而鸢尾花为剑形或者丝状，相互套迭。花：玉蝉花花色单一，为深紫色，3枚苞片革质。而鸢尾花花色多样，为红紫色，白色，黄色，蓝紫色，苞片数枚，草质或者膜质。

一、叶片区别

玉蝉花叶片为条形，长约30-80厘米，宽约0.5-1.2厘米，顶端长渐尖或者渐尖，基部为鞘状，两面的中脉较明显。

鸢尾花叶片多数基生，相互套迭，成两列，呈剑形或者丝状，叶片是平行的。

二、花的区别

玉蝉花花茎为圆柱形，高约40-100厘米，3枚苞片为

披针形，近革质，花朵的颜色为深紫色，花被管为漏斗形，外部花被裂片倒卵形，中脉有黄色的斑纹，内部的裂片小，宽条形，直立。

鸢尾花花序生长于分枝顶端或者花茎顶1朵，苞片数枚，草质或者膜质，花朵较大，颜色多样，有红紫色，白色，黄色，蓝紫色，花被管为喇叭形，6枚裂片，形状类似

前者。

判别分析案例(鸢尾花)

Wilks 的 Lambda 卡方df Sig. 函数检验Wilks 的 Lambda 1 到 2 .025 538.950 8 .000 2 .774 37.351 3 .000 标准化的典型判别式函数系数 函数 1 2 花萼长-.346 .039 花萼宽-.525 .742 花瓣长.846 -.386 花瓣宽.613 .555 - =0.613 ? ? 0.846 - 1 + 346 0.525 .0 花萼长z 花萼宽 花瓣长 ? z 花瓣宽 z D? + z =0.555 ? + 0.386 0.742 ? 2 0.039 - ? 花萼宽 花瓣长 花瓣宽花萼长z z D? + z z 结构矩阵 函数 1 2 花瓣长.726*.165 花萼宽-.121 .879* 花瓣宽.651 .718* 花萼长.221 .340* 判别变量和标准化典型判别式函数 之间的汇聚组间相关性 按函数内相关性的绝对大小排序 的变量。 *. 每个变量和任意判别式函数间 最大的绝对相关性

0.155 0.196 - - =0.299 .0 花瓣宽.2 526 - 063 1 z z 花萼长z 花萼宽 ? z 花瓣长 ? D? + ? + 0.089 - + - =0.271 978 ? 2 .6 0.007 0.218 z 花萼长z 花萼宽 花瓣长 花瓣宽 z z ? ? + D? +

区域图 典则判别 函数 2 -16.0 -12.0 -8.0 -4.0 .0 4.0 8.0 12.0 16.0 +---------+---------+---------+---------+---------+---------+---------+---------+ 16.0 + 13 + I 13 I I 13 I I 123 I I 123 I I 12 23 I 12.0 + + + + 12 23 + + + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I 8.0 + + + + 12 + 23 + + + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I 4.0 + + + + 12 + 23 + + + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 * I .0 + + + * + 12 + 23 + + + I 12 * 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I -4.0 + + + + 12 + + 23 + + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I -8.0 + + + +12 + + 23 + + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I -12.0 + + + 12 + + 23 + + I 12 23 I I 12 23 I I 12 23 I I 12 23 I I 12 23 I -16.0 + 12 23 + +---------+---------+---------+---------+---------+---------+---------+---------+ -16.0 -12.0 -8.0 -4.0 .0 4.0 8.0 12.0 16.0 典则判别函数 1 区域图中使用的符号 符号组标签 ---- -- -------------- 1 1 刚毛鸢尾花 2 2 变色鸢尾花 3 3 佛吉尼亚鸢尾花 * 表示一个组质心

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

判别分析实验报告 SPSS

一、实验目的及要求： 1、目的 用SPSS软件实现判别分析及其应用。 2、内容及要求 用SPSS对实验数据利用Fisher判别法和贝叶斯判别法，建立判别函数并判定宿州、广安等13个地级市分别属于哪个管理水平类型。 二、仪器用具： 三、实验方法与步骤: 准备工作：把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS 数据文件中，同时，由于只有当被解释变量是属性变量而解释变量是度量变量时，判别分析才适用，所以将城市管理的7个效率指数变量的变量类型改为“数值（N）”，度量标准改为“度量（S）”，以备接下来的分析。 四、实验结果与数据处理： 表1 组均值的均等性的检验 Wilks 的 Lambda F df1 df2 Sig. 综合效率标准指数.582 23.022 2 64 .000 经济效率标准指数.406 46.903 2 64 .000 结构效率标准指数.954 1.560 2 64 .218 社会效率标准指数.796 8.225 2 64 .001 人员效率标准指数.342 61.645 2 64 .000 发展效率标准指数.308 71.850 2 64 .000 环境效率标准指数.913 3.054 2 64 .054 表1是对各组均值是否相等的检验，由该表可以看出，在0.05的显著性水平上我们不能拒绝结构效率标准指数和环境效率标准指数在三组的均值相等的假设，

即认为除了结构效率标准指数和环境效率标准指数外，其余五个标准指数在三组的均值是有显著差异的。 表2 对数行列式 group 秩对数行列式 1 6 -33.410 2 6 -33.177 3 6 -40.584 汇聚的组内 6 -32.308 打印的行列式的秩和自然对数是组协方差矩阵的秩和自然对数。 表3 检验结果 箱的 M 140.196 F 近似。 2.498 df1 42 df2 1990.001 Sig. .000 对相等总体协方差矩阵的零假设进行检验。 以上是对各组协方差矩阵是否相等的Box’M检验，表2反映协方差矩阵的秩和行列式的对数值。由行列式的值可以看出，协方差矩阵不是病态矩阵。表3是对各总体协方差阵是否相等的统计检验，由F值及其显著水平，在0.05的显著性水平下拒绝原假设，认为各总体协方差阵不相等。 1）Fisher判别法： 图一

判别分析案例(鸢尾花)

特征值 函数特征值方差的 % 累积 % 正则相关性 1 30.419a99.0 99.0 .984 2 .293a 1.0 100.0 .476 a. 分析中使用了前 2 个典型判别式函数。 Wilks 的 Lambda 卡方df Sig. 函数检验Wilks 的 Lambda 1 到 2 .025 538.950 8 .000 2 .774 37.351 3 .000 标准化的典型判别式函数系数 函数 1 2 花萼长-.346 .039 花萼宽-.525 .742 花瓣长.846 -.386 花瓣宽.613 .555 - =0.613 ? 0.846 ? 346 1 .0 + 0.525 - 花萼长z 花萼宽 花瓣长 ? z 花瓣宽 z D? + z =0.555 ? + 0.386 0.742 ? 2 0.039 - ? 花萼宽 花瓣长 花瓣宽花萼长z z D? + z z 结构矩阵 函数 1 2 花瓣长.726*.165 花萼宽-.121 .879* 花瓣宽.651 .718* 花萼长.221 .340* 判别变量和标准化典型判别式函数 之间的汇聚组间相关性 按函数内相关性的绝对大小排序 的变量。 *. 每个变量和任意判别式函数间 最大的绝对相关性

典型判别式函数系数 函数 1 2 花萼长-.063 .007 花萼宽-.155 .218 花瓣长.196 -.089 花瓣宽.299 .271 (常量) -2.526 -6.987 非标准化系数 0.196 0.155 - - =0.299 1 ? .2 526 .0 063 - 花萼长z z 花萼宽 花瓣长 ? z 花瓣宽 + z ? + D? 0.089 - + - =0.271 978 ? 2 .6 0.007 0.218 z 花萼长z 花萼宽 花瓣长 花瓣宽 z z ? ? + D? +

判别分析的MATLAB实现案例

%-------------------------------------------------------------------------- % 读取examp10_01.xls中数据，进行距离判别 %-------------------------------------------------------------------------- %********************************读取数据*********************************** % 读取文件examp10_01.xls的第1个工作表中C2:F51范围的数据，即全部样本数据，包括未判企业 sample = xlsread('examp10_01.xls','','C2:F51'); % 读取文件examp10_01.xls的第1个工作表中C2:F47范围的数据，即已知组别的样本数据，training = xlsread('examp10_01.xls','','C2:F47'); % 读取文件examp10_01.xls的第1个工作表中B2:B47范围的数据，即样本的分组信息数据，group = xlsread('examp10_01.xls','','B2:B47'); obs = [1 : 50]'; % 企业的编号 %**********************************距离判别********************************* % 距离判别，判别函数类型为mahalanobis，返回判别结果向量C和误判概率err [C,err] = classify(sample,training,group,'mahalanobis'); [obs, C] % 查看判别结果 err % 查看误判概率 %-------------------------------------------------------------------------- % 加载fisheriris.mat中数据，进行贝叶斯判别 %-------------------------------------------------------------------------- %********************************加载数据*********************************** load fisheriris % 把文件fisheriris.mat中数据导入MA TLAB工作空间 %**********************************查看数据********************************* head0 = {'Obj', 'x1', 'x2', 'x3', 'x4', 'Class'}; % 设置表头 [head0; num2cell([[1:150]', meas]), species] % 以元胞数组形式查看数据 %*********************************贝叶斯判别******************************** % 用meas和species作为训练样本，创建一个朴素贝叶斯分类器对象ObjBayes ObjBayes = NaiveBayes.fit(meas, species); % 利用所创建的朴素贝叶斯分类器对象对训练样本进行判别，返回判别结果pre0，pre0也是字符串元胞向量 pre0 = ObjBayes.predict(meas); % 利用confusionmat函数，并根据species和pre0创建混淆矩阵（包含总的分类信息的矩阵）[CLMat, order] = confusionmat(species, pre0); % 以元胞数组形式查看混淆矩阵 [[{'From/To'},order'];order, num2cell(CLMat)]

判别分析实验报告

数学实验报告判别分析

一、实验目的 要求熟练掌握运用SPSS软件实现判别分析。 二、实验内容 已知某研究对象分为3类，每个样品考察4项指标，各类观测的样品数分别为7，4，6；另外还有2个待判样品分别为 第一个样品： =-=-== x x x x 18,214,316,456 第二个样品： ==-== x x x x 192,217,318,4 3.0 运用SPSS软件对实验数据进行分析并判断两个样品的分组。 三、实验步骤及结论 1.SPSS数据分析软件中打开实验数据，并将两个待检验样本键入，作为样本18和样本19。 2.实验分析步骤为： 分析→分类→判别分析 3.得到实验结果如下： （1）由表1，对相等总体协方差矩阵的零假设进行检验，Sig值为0.022<0.05,则拒绝原假设，则各分类间协方差矩阵相等。 表1 协方差阵的均等性函数检验结果表 检验结果a 箱的 M 35.960 F 近似。 2.108 df1 10 df2 537.746 Sig. .022 由表2可得，函数1所对应的特征值贡献率已达到99.6%，说明样本数据均向此方向投影就可得到效果很高的分类，故只取函数1作为投影函数，舍去函数2不做分析。 表3为典型判别式函数的Wilks的Lambda检验，此检验中函数1的Wilks Lambda检验sig值为0.022<0.05，则拒绝原假设，说明函数1判别显著。

表4为求得的各典型函数判别式函数系数，由此表可以求得具体函数，得y=9.240+0.010x1+0.543x2+0.047x3-0.068x4。 表5 组质心处函数值表 组质心处的函数 类别号 函数 1 2 1.00 -1.846 -.032 2.00 .616 .178 3.00 1.744 -.081 在组均值处评估的非标准化典型判别式函数 由表5给出的组质心处的函数值，可以得到函数1的置信坐标为（-1.846，0.616，1.744）。

聚类分析及判别分析案例

一、案例背景 随着现代人力资源管理理论的迅速发展，绩效考评技术水平也在不断提高。绩效的多因性、多维性，要求对绩效实施多标准大样本科学有效的评价。对企业来说，对上千人进行多达50~60个标准的考核是很常见的现象。但是，目前多标准大样本大型企业绩效考评问题仍然困扰着许多人力资源管理从业人员。为此，有必要将当今国际上最流行的视窗统计软件SPSS应用于绩效考评之中。 在分析企业员工绩效水平时，由于员工绩效水平的指标很多，各指标之间还有一定的关联性，缺乏有效的方法进行比较。目前较理想的方法是非参数统计方法。本文将列举某企业的具体情况确定适当的考核标准，采用主成分分析以及聚类分析方法，比较出各员工绩效水平，从而为企业绩效管理提供一定的科学依据。 最后采用判别分析建立判别函数，同时与原分类进行比较。 聚类分析 二、绩效考评的模型建立 1、为了分析某企业绩效水平，按照综合性、可比性、实用性和易操作性的选取指标原则，本文选择了影响某企业绩效水平的成果、行为、态度等6个经济指标(见表1)。 2、对某企业，搜集整理了28名员工2009年第1季度的数据资料。构建1个28×6维的矩阵(见表2)。

3、应用SPSS数据统计分析系统首先对变量进行及主成分分析，找到样本的主成分及各变量在成分中的得分。去结果中的表3、表 4、表5备用。

表 5 成份得分系数矩阵a 成份 1 2 Zscore(X1) .227 -.295 Zscore(X2) .228 -.221 Zscore(X3) .224 -.297 Zscore(X4) .177 -.173 Zscore(X5) .186 .572 Zscore(X6) .185 .587 提取方法 :主成份。 构成得分。 a. 系数已被标准化。 4、从表3中可得到前两个成分的特征值大于1，分别为3.944和1.08，所以选取两个主成分。根据累计贡献率超过80％的一般选取原则，主成分1和主成分2的累计贡献率已达到

聚类分析与判别分析实验报告范例

上海电力学院 《应用多元统计分析》——判别分析与聚类分析 学院： 姓名： 学号： 2016年4月

我国部分城市经济发展水平的聚类分析 和判别分析 摘要：本文基于《中国统计年鉴》（2012年版）统计数据，寻找评价城市经济发展水平的指标，包括第二三产业发展水平、固定投资额、社会消费零售总额和进出口贸易交流五个指标，利用统计软件SPSS综合考虑各指标，对所选城市进行K-Means 聚类分析，利用Fisher 线性判别待判城市类型，进一步验证所建模型的有效性。 关键字：聚类分析，判别分析，SPSS，城市经济发展水平 1，引言 经过改革开放后三十多年的长足进展，中国城市化已步入中期阶段，步伐加快，质量显著提高。同时，中国城市化又处于周期转折点上，上一周期行将结束，下一周期将要开始。2011年中国城市化率首次突破50％，意味着中国城镇人口首次超过农村人口，中国城市化进入关键发展阶段，这必将引起深刻的社会变革。 根据2011年4月公布的第六次人口普查数据，2010年中国居住城镇的人口接近6.6亿人，城镇化率达到49.68%，全国已有近一半的人口居住在城镇，这意味着中国将进入城镇时代。在过去30多年中，中国的城市化发展取得了很大成绩。然而，总体上中国的城市化道路是城市化滞后于工业化的非均衡道路；是土地城市化快于人口城市化的非规整道路；是以抑制农村、农业、农民的经济利益来支持城市发展，导致不能兼顾效率和公平的非协调道路；是片面追求城市发展的数量和规模，而以生态环境损失为代价的非持续道路；是以生产要素的高投入，而不是投入少、产值高、依靠科技拉动经济增长的非集约道路。传统的城市化存在着诸多弊端，中国未来的城市化必须走出一条具有自身特色的新型城市化道路。 具体而言，中国城市经济发展水平受限于地理、环境、资源以及国家政策等因素的影响，我国不同区域的城市化进程尚存在很大差异。2012年中国城市发展报告中指出，从区域角度看，目前沿海一带城市发展起步早，与国际贸易交流往来频率高，经济发展水平较高，西部地区受到国家政策的大力扶持，表现出了强劲的增长势头，西部主要城市经济发展水平仅次于沿海发达地区，而中部地区

用SPSS软件来实现判别分析

哈尔滨商业大学 数学实验报告 实验题目：___用SPSS软件来实现判别分析___________ 姓名：__张彦琛_____ 学号：__2____ 专业：____数学与应用数学_____________________ 日期：______2012-10-27_______________________

一、实验目的 用SPSS软件来实现判别分析及其应用。 二、实验内容 已知某研究对象分为3类，每个样品考察4项指标，各类观测的样品数分别为7，4，6；另外还有2个待判样品分别为 第一个样品:x1=-8,x2=-14,x3=16,x4=56 第二个样品:x1=92,x2=-17,x3=18,x4=3.0 三、实验步骤及结论 （一）实验步骤 把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中进行判别分析。执行菜单命令，单击“分析—>分类—>判别”，进行操作步骤……点击确定，即可得到实验结论。（二）实验结论 表一： 检验结果a 箱的 M 35.960 F 近似。 2.108 df1 10 df2 537.746 Sig. .022 对相等总体协方差矩阵的零假设进行检验。 a. 有些协方差矩阵是奇异矩阵，因此一般程序不会起作用。将相对非奇异 组的汇聚组内协方差矩阵检验非奇异组。其行列式的对数为 18.794。 表一是box检验的结果。Box的检验结果是35.390，Sig.的值为0.0022<0.05，拒绝原假设，即每类的协差阵不完全相等。

表二： 表二是特征值。从表中知第一个特征值是3.116，方差贡献率为99.6%，累计贡献率为99.6%，判断率为99.6%，则第一判别函数有效。 表三： 表三给出了Fisher判别函数的有效性检验。由表三知第一个Sig.的值为0.022<0.05,拒绝原假设，检验是显著的，进而说明第一Fisher 判别函数是有效的。而第二个Sig.的值为0.985>0.05，第二Fisher 判别函数不显著，即不有效。 表四： 典型判别式函数系数 函数 1 2 x1 .010 .023 x2 .543 -.107 x3 .047 -.024 x4 -.068 .001 (常量) 9.240 -1.276 非标准化系数

判别分析法实例

第四章判别分析 习题4.8 （1）根据数据建立贝叶斯判别函数，并根据此判别函数对原样本进行回判。（2）现有一新品牌的饮料在该超市试销，其销售价格为3.0，顾客对其口味评分为8，信任度评分平均为5，试预测该饮料的销售情况。 将数据导入SPSS，分析得到以下结果： 1.典型判别函数的特征函数的特征值表 表1-1 特征值表 表1-1所示是典型判别函数的特征值表，只有两个判别函数，所以特征值只有2个。函数1的特征值为17.791，函数2的特征值为0.720，判别函数的特征值越大，说明函数越具有区别判断力。函数1方差的累积贡献率高达96.1%，且典型相关系数为0.973，而函数2方差的贡献率仅为3.9%，典型相关系数为0.647。由此，说明函数1的区别判断力比函数2的强，函数1更具有区别判断力。 2.Wilks检验结果 表1-2 Wilks 的Lambda 上表中判别函数1和判别函数2的Wilks’Lambda值为0.031，判别函数2的Wilks’Lambda值为0.581。“1到2”表示两个判别函数的平均数在三个类间的差异情况，P值=0.002<0.05表示差异达到显著水平“2”表示在排除了第一个判别函数后，第二个判别函数在三个组别间的差异情况，P值=0.197>0.05表示判别函数2未达到显著水平。 3.建立贝叶斯判别函数

表1-3 贝叶斯判别法函数系数 上表为贝叶斯判别函数的系数矩阵，用数学表达式表示各类的贝叶斯判别函数为： 第一组： F1=-81.843-11.689X1+12.97X2+16.761X3 第二组： F2=-94.536-10.707X1+13.361X2+17.086X3 第三组： F3=-17.499-2.194X1+4.960X2+6.447X3 将新品牌饮料样品的自变量值分别代入上述三个贝叶斯判别函数，得到三个函数值为： F1=65.271，F2=65.661，F3=47.884 比较三个值，可以看出F2=65.661最大，据此得出新品牌饮料样品应该属于第二组，即该饮料的销售情况为平销。 4.个案观察结果表 表1-4 个案观察结果表