正交試驗(yàn)設(shè)計(jì)與數(shù)理統(tǒng)計(jì)作業(yè)

./第三章：統(tǒng)計(jì)推斷第3章第7題分別使用金球和鉑球測(cè)定引力常數(shù)用金球測(cè)定觀察值：6.683,6.681,6.676,6.678,6.679,6.672；用鉑球測(cè)定觀察值：6.661,6.661,6.667,6.667,6.664。設(shè)測(cè)定值總體為N〔u,〕,u,均為未知。試就1,2兩種情況分別求u的置信度為0.9的置信區(qū)間,并求的置信度為0.9的置信區(qū)間。〔1〕金球均值置信度為0.9的置信區(qū)間,SAS程序如下：①打開(kāi)SAS軟件②打開(kāi)solution-analysis-analyst輸入數(shù)據(jù)并保存③打開(kāi)analyst,選擇jingqiu文件,打開(kāi)：④Statistics——HypothesisTests——One-Samplet-testforaMean,將待分析變量jq送入Variable中,在單擊Tests,選中Interval,設(shè)置confidencelevel設(shè)置為90.0%：⑤結(jié)果輸出：金球u的置信度為0.9的置信區(qū)間為<6.67,6.68>?！?〕鉑球均值置信度為0.9的置信區(qū)間,SAS程序如下：①打開(kāi)solution-analysis-analyst輸入數(shù)據(jù)并保存②打開(kāi)analyst,選擇Bq文件,打開(kāi)：③Statistics——HypothesisTests——One-Samplet-testforaMean,將待分析變量bq送入Variable中,在單擊Tests,選中Interval,設(shè)置confidencelevel設(shè)置為90.0%：④結(jié)果輸出：鉑球u的置信度為0.9的置信區(qū)間為<6.66,6.67>。〔3〕金球方差置信度為0.9的置信區(qū)間,SAS程序如下：①打開(kāi)analyst,選擇Bq文件,打開(kāi)數(shù)據(jù)：②Statistics——HypothesisTests——One-SampleTestforaVariance,將待分析變量jq送入Variable中,并在Null:Var中設(shè)置一個(gè)大于0的數(shù),再單擊Intervals,選中Interval,設(shè)置confidencelevel設(shè)置為90.0%：③結(jié)果輸出：金球σ2的置信度為0.9的置信區(qū)間為<676E-8,0.0001>〔4〕鉑球方差置信度為0.9的置信區(qū)間,SAS程序如下：①Statistics——HypothesisTests——One-SampleTestforaVariance,將待分析變量bq送入Variable中,并在Null:Var中設(shè)置一個(gè)大于0的數(shù),再單擊Intervals,選中Interval,設(shè)置confidencelevel設(shè)置為90.0%：②結(jié)果輸出：鉑球σ2的置信度為0.9的置信區(qū)間為<379E-8,507E-7>。第3章第13題本題是兩個(gè)正態(tài)總體的參數(shù)假設(shè)檢驗(yàn)問(wèn)題。題目中已知兩個(gè)總體方差相等,且相互獨(dú)立。關(guān)于均值差u1-u2的檢驗(yàn),其SAS程序如下：①打開(kāi)solution-analysis-analyst輸入數(shù)據(jù)并保存②打開(kāi)analyst,選擇markandsgrass文件,打開(kāi)：③Statistics——HypothesisTests——TwoSamplet-testforMeans,選擇Twovariables,將兩個(gè)變量分別送入Group1和2,并設(shè)置Mean1-Mean2=0,再將confidencelevel設(shè)置為95.0%：④結(jié)果輸出：因?yàn)樵趖檢驗(yàn)中p-value值0.0013<0.01,所以高度拒絕原假設(shè),即認(rèn)為兩個(gè)作家所寫(xiě)的小品文中包含由3個(gè)字母組成的詞的比例有高度顯著的差異。第3章第14題本題也是兩個(gè)正態(tài)分布參數(shù)的假設(shè)檢驗(yàn)問(wèn)題,對(duì)方差進(jìn)行假設(shè)檢驗(yàn),采用F檢驗(yàn),其相關(guān)SAS程序如下：同上題的①②兩步,打開(kāi)數(shù)據(jù)；Statistics——HypothesisTests——TwoSampletestforVariances,選擇None,并將confidencelevel設(shè)置為95.0%：③結(jié)果輸出：因?yàn)樵贔檢驗(yàn)中p-value值0.2501>0.1,所以高度接受原假設(shè),即認(rèn)為兩總體方差相等是合理的。第四章方差分析和協(xié)方差分析第4章第1題本題目屬于單因素試驗(yàn)的方差分析,且題目中已知各總體服從正態(tài)分布,且方差相同,其SAS程序如下：將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行②打開(kāi)analyst,然后選擇數(shù)據(jù)文件kangshesu,打開(kāi)：③Statistics——ANOVA——ONE-WAYANOVA,將分類變量su送入Independent中,將響應(yīng)變量x送入Dependent中：④結(jié)果輸出：因?yàn)閜-value值<0.0001,所以高度拒絕原假設(shè),即認(rèn)為這些百分比的均值有高度顯著差異。第4章第2題①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行②打開(kāi)analyst,然后選擇數(shù)據(jù)文件Dl,打開(kāi)：③選擇Statistics→ANOVA→FATORIALANOVA,將分類變量nd和wd送入Independent中,將響應(yīng)變量X送入Dependent中：④結(jié)果輸出：從分析結(jié)果可知,濃度nd的p-value值0.0442<0.05,所以濃度對(duì)生產(chǎn)得率的影響顯著；溫度wd的p-value值0.5657>0.05和交互作用nd*wd的p-value值0.5684>0.05,所以溫度和交互作用對(duì)生產(chǎn)得率的影響不顯著,即只有濃度的影響是顯著的。第五章正交試驗(yàn)設(shè)計(jì)第5章第1題第5章第3題將A、B、C、D四個(gè)因素的水平按照L9〔34〕排出普通配比方案如下：因素試驗(yàn)號(hào)ABCD11<0.1>1<0.3>1<0.2>1<0.5>212<0.4>2<0.1>2<0.3>313<0.5>3<0.1>3<0.1>42<0.3>123522316231273<0.2>1328321393321由于題目要求各行的四個(gè)比值之和為1,故對(duì)每行分別進(jìn)行計(jì)算：第一組：0.1+0.3+0.2+0.5=1.1第二組：0.1+0.4+0.1+0.3=0.9第三組：0.1+0.5+0.1+0.1=0.8第四組：0.3+0.3+0.1+0.1=0.8第五組：0.3+0.4+0.1+0.5=1.3第六組：1.3第七組：0.9第八組：0.9第九組：1.31號(hào)試驗(yàn)中四種因素的比為A:B:C:D=0.1:0.3:0.2:0.5,因此在1號(hào)試驗(yàn)中A=0.1*=0.091；B=0.3*=0.273C=0.2*=0.181；D=0.5*=0.455同理：在2號(hào)試驗(yàn)中A=1/9=0.111；B=4/9=0.444；C=1/9=0.111；D=3/9=0.334在3號(hào)試驗(yàn)中A=1/8=0.125；B=5/8=0.625；C=1/8=0.125；D=1/8=0.125在4號(hào)試驗(yàn)中A=3/8=0.375；B=3/8=0.375；C=1/8=0.125；D=1/8=0.125在5號(hào)試驗(yàn)中A=3/13=0.231；B=4/13=0.308；C=1/13=0.077；D=5/13=0.384在6號(hào)試驗(yàn)中A=3/13=0.231；B=5/13=0.384；C=2/13=0.154；D=3/13=0.231在7號(hào)試驗(yàn)中A=2/9=0.222；B=3/9=0.334；C=1/9=0.111；D=3/9=0.335在8號(hào)試驗(yàn)中A=2/9=0.222；B=4/9=0.444；C=2/9=0.222；D=1/9=0.112在9號(hào)試驗(yàn)中A=2/13=0.153；B=5/13=0.385；C=1/13=0.077；D=5/13=0.385最后按照各自的比例計(jì)算,得到所求的配比方案如下表：因素試驗(yàn)號(hào)ABCD11<0.091>1<0.273>3<0.181>2<0.455>22<0.111>1<0.444>1<0.111>1<0.334>33<0.125>1<0.625>2<0.125>3<0.125>41<0.375>2<0.375>2<0.125>1<0.125>52<0.231>2<0.308>3<0.077>3<0.384>63<0.231>2<0.384>1<0.154>2<0.231>71<0.222>3<0.334>1<0.111>3<0.335>82<0.222>3<0.444>2<0.222>2<0.112>93<0.153>3<0.385>3<0.077>1<0.385>第六章回歸分析第6章第5題〔1〕做散點(diǎn)圖,利用SAS/INSIGHT進(jìn)行操作,其SAS程序與結(jié)果如下：①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)SASInteractivedataanalysis,然后選擇數(shù)據(jù)文件,打開(kāi)：③Analyze——ScatterPlot,在ScatterPlot窗口中將自變量x送入X,將因變量y送入Y：④結(jié)果輸出：〔2〕回歸方程求解：根據(jù)題意求y與x、x2之間的回歸方程,因此令x1=x,x2=x2,采用SAS/INSIGHT進(jìn)行求解,其相應(yīng)的SAS程序與結(jié)果如下：①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)SASInteractivedataanalysis,然后選擇數(shù)據(jù)文件,打開(kāi)：③設(shè)置參數(shù),Analyze→Fit,將Fit窗口中的自變量x1,x2送入X,將因變量y送入Y④結(jié)果輸出：結(jié)果第二部分提供了關(guān)于多元線性回歸模型擬合的一般信息和模型方程,方程表明截距估計(jì)值為19.0333,1.0086表明在固定x2時(shí),x1每增加1個(gè)單位時(shí),y增加1.7853,同理可知-0.0204的意義。結(jié)果第三部分是模型擬合的匯總度量表,其中的相應(yīng)均值<MeanofResponse>是因變量y的平均值,模型決定系數(shù)R^2為0.6140,表明變量y變異有61.40%可由x1,x2兩個(gè)因素變動(dòng)來(lái)解釋.校正-R^2為0.5497,考慮了加入模型的變量數(shù),所以比較不同模型時(shí)用校正-R^2更適合。結(jié)果第四部分是方差分析表,是對(duì)模型作用是否顯著的假設(shè)檢驗(yàn)。由于p-value值0.0033<0.05<0.01,所以高度拒絕原假設(shè),即認(rèn)為有足夠的理由斷定該模型比所有自變量斜率為0的基線模型要好。結(jié)果第五部分是三型檢驗(yàn)表<TypeIIITests>,是F統(tǒng)計(jì)量和相聯(lián)系的p值檢驗(yàn)各自變量的回歸系數(shù)為零的假設(shè).0.0152<<0.05>表明x1的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去.同理0.0393〔<0.05〕表明x2的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。結(jié)果第六部分是參數(shù)估計(jì)表,給出了排除其它因素的各回歸系數(shù)的顯著性,包括對(duì)截距和變量x1,x2的顯著性檢驗(yàn).其中＜0.0001<<0.05>表明截距的作用顯著,不能舍去。將x1=x,x2=x22。第6章第6題①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)SASInteractivedataanalysis,然后選擇數(shù)據(jù)文件,打開(kāi)：③設(shè)置參數(shù),Analyze→Fit,將Fit窗口中的自變量x1,x2,x3送入X,將因變量y送入Y④結(jié)果輸出：回歸方程為：y=9.9000+0.5750×x1+0.5500×x2+1.1500×x3?！?〕當(dāng)α=0.1時(shí)：對(duì)于截距,因P<0.0001<0.01,表明其在統(tǒng)計(jì)上作用高度顯著,不能舍去。對(duì)于x1,因P=0.0501<0.1,故x1的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。對(duì)于x2,因P=0.0568<0.1,故x2的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。對(duì)于x3,因P=0.0052<0.1,故x3的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。由方差分析可知該該模型的P=0.0119<0.1,故作用顯著?！?〕當(dāng)α=0.05時(shí)：對(duì)于截距,因P<0.0001<0.05,表明其在統(tǒng)計(jì)上作用高度顯著,不能舍去。對(duì)于x1,因P=0.0501≈0.05,故x1的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。對(duì)于x2,因P=0.0568>0.05,故x2的回歸系數(shù)在統(tǒng)計(jì)上作用不顯著,應(yīng)該舍去。對(duì)于x3,因P=0.0052<0.05,故x3的回歸系數(shù)在統(tǒng)計(jì)上作用顯著,不能舍去。優(yōu)化后可得多元性回歸方程為：y=9.9000+0.5750x1+1.1500x3。第6章第9題首先建立回歸模型：y=b0+b1*x1+b2*x2+b3*x3+b4*x4+b5*x11+b6*x12+b7*x13+b8*x14+b9*x22+b10*x23+b11*x24+b12*x33+b13*x34+b14*x44其中：x11=x1*x1;x12=x1*x2;x13=x1*x3;x14=x1*x4;x22=x2*x2;x23=x2*x3;x24=x2*x4;x33=x3*x4;x34=x3*x4;x44=x4*x4;①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)analyst,選擇sd文件,打開(kāi)：③Statistics——Regression——Linear,在Linear窗口中將變量x1,x2,x3,x4,x11,x12,x12,x14,x22,x23,x24,x33,x34,x44送入Explanatory,將變量y送入Dependent中→Model→選中stepwiseselection→OK④結(jié)果輸出：由逐步分析過(guò)程知,截距、x24與x3的作用顯著,所以回歸方程為：y=18.33483-1.89938x3+0.01173x24,將x3=x3,x24=x2*x4代入得y=18.33483-1.89938x3+0.01173x2*x4第6章第10題<1>①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)SASInteractivedataanalysis,然后選擇數(shù)據(jù)文件XBSL,打開(kāi)：③Analyze——ScatterPlot,在ScatterPlot窗口中將自變量x送入X,將因變量y送入Y：由散點(diǎn)圖可以看出,該組數(shù)據(jù)的散點(diǎn)圖呈現(xiàn)S形增長(zhǎng)趨勢(shì),可以采用Logistic非線性回歸模型擬合此數(shù)據(jù)。<2>非線性的且無(wú)法線性化的模型在SAS采用nlin非線性回歸程序來(lái)做。將α、β、γ改為a,b,c,x是自變量,分析函數(shù)是否可以使參數(shù)形式上具線性,經(jīng)過(guò)分析可求得初值a=22、b=3.1、c=0.6。采用SAS系統(tǒng)編程如下：①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②結(jié)果輸出：擬合后的方程為y=21.5089/[1+exp<3.9573-0.6222x>]+ε〔3〕α=a為當(dāng)x趨近于無(wú)窮時(shí),y的極限值,所以取在y的觀察之中最大的一些值；β=b和γ=c分別為接近這些點(diǎn)的直線的截距和斜率的相反數(shù)?！?〕①設(shè)模型為Y=b0+b1x+b2x2+ε,令x1=x,x2=x2,利用INSIGHT進(jìn)行多元線性回歸分析SAS操作如下：①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②打開(kāi)SASInteractivedataanalysis,然后選擇數(shù)據(jù)文件xbsl2,打開(kāi)：③設(shè)參數(shù),Analyze→Fit,將Fit窗口中的自變量x1,x2送入X,將因變量y送入Y④輸出結(jié)果：由輸出可2其截距和x2的Pr值均>0.05,對(duì)方程的影響不顯著；x1的Pr值<0.05<0.01,對(duì)方程的影響高度顯著。采用Logistic模型其P<0.0001,因此模型為高度顯著。第七章回歸正交設(shè)計(jì)第7章第1題設(shè)。作變換,則x1=1,x2=2,x3=3,…,x9=9。并可設(shè)y=b0+b1φ1<x>+b2φ2<x>+b3φ3<x>+b4φ4<x>,對(duì)于n=9,查附表6,利用SAS軟件進(jìn)行回歸多項(xiàng)式分析,相關(guān)程序和結(jié)果如下：①將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②結(jié)果輸出：結(jié)果中的ParameterEstimate列中的五個(gè)值依次為b0,b1,b2,b3,b4,由于b0的p值<.0001、b1的p值0.0006均小于0.01,所以一次項(xiàng)是高度顯著的;b2的p值0.001<0.01,所以二次項(xiàng)是顯著的;b3的p值0.0980>0.05,b4的p值0.9967大于0.1接近于1,所以三,四次項(xiàng)不顯著,直接砍掉,因此只需配到二次就行了。查附表6,當(dāng)n=9時(shí),將代入上式得所求多項(xiàng)式回歸方程：第7章第3題這是一次回歸的正交設(shè)計(jì),參照PPT.采用二水平,做變換按改造過(guò)的正交表L8<27>安排實(shí)驗(yàn),考慮交互效應(yīng),選擇1、2、4、6列,其中令y’=y-87,得到相應(yīng)表格如下：試驗(yàn)號(hào)x1x2x3x4y’=y-87123456781111-1-1-1-111-1-111-1-11-11-11-11-11-1-111-1-115.43.40.80.3-2.5-1-3.3-3.6本題的SAS程序如下：將數(shù)據(jù)輸入SAS生成數(shù)據(jù)文件,然后運(yùn)行：②結(jié)果輸出：由分析結(jié)果可得回歸方程為：y1=y-87=,即：將代入得：y=87.0625+2.5375[<z1-310>/10]+1.3875[<z2-25>/5]+0.1625[<z3-225>/25]-0.0375[<z4-90>/10]y=1.8+0.2538z1+1.3875z2+0.1625z3-0.0375z4。從方差分析表可知：模型的pr值0.0483<0.05,所以方程是顯著的。第八章均勻設(shè)計(jì)第8章第1題本題關(guān)于均勻設(shè)計(jì)試驗(yàn)方案的問(wèn)題。對(duì)于三個(gè)因素中每個(gè)因素的水平,題目要求按每個(gè)因素各水平等間距取值,故三個(gè)因素的取值分別為：〔三因素四水平〕因素z1:2.0、3.4、4.8、6.2因素z2:500、600、700、800因素z3:18、20、22、24題目要求安排三因素四水平的方案,查附表7可知選用U5<54>表。又因?yàn)槭?次試驗(yàn),故在U5<54>表中去掉最后一行。為了保證設(shè)計(jì)的均勻性,選擇U5<54>表的1、2、4列。綜上所述,即得試驗(yàn)方案如下表：試驗(yàn)號(hào)因素z1因素z2因素z311<2.0>2<600>4<24>22<3.4>4<800>3<22>33<4.8>1<500>2<20>44<6.2>3<700>1<18>第九章單純形優(yōu)化設(shè)計(jì)第9章第1題〔1〕這四個(gè)點(diǎn)中A點(diǎn)的指標(biāo)值最小,可被視為劣點(diǎn),即為去掉的試驗(yàn)點(diǎn)；保留試驗(yàn)點(diǎn)為B,C,D.其形心O為﹙﹚,即〔,〕根據(jù)改進(jìn)單純形的新試驗(yàn)點(diǎn)公式：[新試驗(yàn)點(diǎn)]=<1+α>[保留試驗(yàn)點(diǎn)集的形心]-α[去掉的試驗(yàn)點(diǎn)即劣點(diǎn)]α=1。計(jì)算得反射點(diǎn)E的坐標(biāo)=2*〔,〕-1*<1,2,4>=<5,〕?！?〕當(dāng)YE=25時(shí),E點(diǎn)指標(biāo)與B、C、D點(diǎn)相比是最大的,說(shuō)明推移方向是正確的,說(shuō)明反射成功,下一步可使用較長(zhǎng)的步長(zhǎng),α>1,這一步驟稱為擴(kuò)大；當(dāng)YE=14時(shí),E點(diǎn)指標(biāo)與B、C、D點(diǎn)相比是最小的,且小于劣點(diǎn)A,說(shuō)明反射失敗,下一步進(jìn)行內(nèi)收縮,α<0；當(dāng)YE=19時(shí),E點(diǎn)指標(biāo)大于劣點(diǎn)A,小于B、D點(diǎn),且大于C點(diǎn),下一步進(jìn)行收縮,0<α<1?！?〕若要進(jìn)行整體收縮,以指標(biāo)最好的點(diǎn)B<2,4,3>為基點(diǎn),由基點(diǎn)到單純型各個(gè)試驗(yàn)點(diǎn)距離的一半為新點(diǎn),構(gòu)成新的單純型A1、B1、C1、D1

：即基點(diǎn)B不變,即B1〔2,4,3〕即即所以新的單純型A1、B1、C1、D1的坐標(biāo)為B1〔2,4,3〕第十章析因試驗(yàn)設(shè)計(jì)第10章第4題因?yàn)楸绢}求的是三元二次回歸方程,所以采用響應(yīng)面設(shè)計(jì),即采用ADX模塊分析,相關(guān)SAS程序和結(jié)果如下：由上述檢驗(yàn)結(jié)果可以發(fā)現(xiàn),x1,x2,x3的Pr均大于0.05〔顯著性水平〕,不顯著,二次項(xiàng)與交互項(xiàng)的Pr均小于0.05〔顯著性水平〕,為高度顯著?！?〕最優(yōu)適宜條件,采用SAS程序如下：從以上分析結(jié)果可知,x1,x2,x3對(duì)于這個(gè)模型都是顯著的。當(dāng)x1=-0.0149,x2=0.2310,x3=-0.3107時(shí),y取得最大值,即當(dāng)z1=x1+6.5=6.485,z2=x2*50+100=111.5504,z3=x3*0.5+0.5=0.3447時(shí),是最適宜條件。第十三章多指標(biāo)綜合評(píng)價(jià)概論例1選擇主成分個(gè)數(shù)；原則：以較少的主成分獲取足夠多的原始信息。通常要求累積方差貢獻(xiàn)率≥85%。所以選取主成分個(gè)數(shù)時(shí),前三個(gè)成分的累積貢獻(xiàn)率為86.66%>85%,所以取前三個(gè)作為主成分為正確的。綜合指標(biāo)=<λ1/λ1+λ2+λ3>z1+<λ2/λ1+λ2+λ3>z2+<λ3/λ1+λ2+λ3>z3,即綜合指標(biāo)=3.1049/<3.1049+2.8974+0.9302>*z1+2.8974/<3.1049+2.8974+0.9302>*z2+0.9302/<3.1049+2.8974+0.9302>*z3=0.4479*z1+0.4179*z2+0.1342*z3由上表可得3個(gè)主成份與原8個(gè)指標(biāo)的線性組合如下：z1=0.476650x1+0.472808x2+…+0.055034x8z2=0.295991x1+0.277894x2+…+0.272736x8z3=0.104190x1+0.162983+…+〔-0.891162〕x8主成分的解釋：在第一主成份z1的表達(dá)式中,x1,x2,x3三相指標(biāo)的系數(shù)均為正,且相差不大,這表示他們對(duì)綜合指標(biāo)起著同向的、相當(dāng)?shù)淖饔?因此第一主成分可以理解為工業(yè)主體結(jié)構(gòu)的綜合指標(biāo)；在第二主成份z2中除x7外其它指標(biāo)的系數(shù)均為正,且相差不大,這表示他們對(duì)綜合指標(biāo)起著同向的、相當(dāng)?shù)淖饔?而x7指標(biāo)卻起著反向的作用；第三主成份z3中,x5相對(duì)較大,而x4、x8起著反向作用,且跟其它值相差較大,可以把第三主成份看成主要是由x5、x8反應(yīng)的一個(gè)綜合指標(biāo)?！?〕利用主成分對(duì)12個(gè)行業(yè)進(jìn)行排序和分類：利用INSIGHT模塊對(duì)其進(jìn)行排序和分類,相關(guān)程序操作如下：按照第一主成分排序如下按照第二主成分排序如下按照第三主成分排序如下第十四章模糊綜合評(píng)價(jià)第14章第1題：〔1〕先歸一化處理得矩陣R：權(quán)重向量a=<0.300.250.150.200.10>算出隸屬度向量：b=a*R=﹙﹚=〔0.133,0.483,0.222,0.161〕①根據(jù)最大隸屬度原則取最大值0.483所對(duì)應(yīng)的為評(píng)定結(jié)果,即為一般。②給四個(gè)等級(jí)〔優(yōu),良好,一般,差〕分別賦以秩次1,2,3,4〔4321〕*〔0.133,0.483,0.222,0.161〕=2.588,由于2﹤2.588﹤3,所以評(píng)定結(jié)果為一般偏良好?！?〕〔406080100〕〔0.133,0.483,0.222,0.161〕=68.16,評(píng)分值為：P=68.16分。PPT練習(xí)2解：設(shè)U下面的權(quán)0.6和0.4分別為U1和U2,則分目標(biāo)的評(píng)價(jià)向量為：U1==〔0.335,0.505,0.16〕U2==〔0.3,0.4,0.3〕總目標(biāo)的評(píng)價(jià)向量：U==<0.321,0.463,0.216>第十五章聚類分析與判別分析第15章第3題：對(duì)學(xué)生智力情況進(jìn)行分類,相關(guān)SAS程序和結(jié)果輸出如下：結(jié)果輸出：〔1〕類平均法聚類分類的圖形：九類:{3,5}成一類,其余各自成一類。八類:{3,5,1}成一類,其余各自成一類。七類:{3,5,1},{8,10}各為一類,其余各自成一類。六類:{3,5,1,6},{8,10}各為一類,其余各自成一類。五類:{3,5,1,6},{8,10,9}各為一類,其余各自成一類。四類:{3,5,1,6,2},{8,10,9}各為一類,其余各自成一類。三類:{3,5,1,6,2,8,10,9}為一類,其余各自成一類。二類:{3,5,1,6,2,8,10,9,4},{7}各自成一類。〔2〕重心法聚類分析分類的圖形：九類:{3,5}成一類,其余各自成一類。八類:{3,5,1}成一類,其余各自成一類。七類:{3,5,1,6}成一類,其余各自成一類。六類:{3,5,1,6},{8,10}各為一類,其余各自成一類。五類:{3,5,1,6},{8,10,9}各為一類,其余各自成一類。四類: