多元统计分析实验报告计算协方差矩阵相关矩阵SAS
- 格式：docx
- 大小：90.50 KB
- 文档页数：10
下载文档原格式
合集下载
多元统计分析实验报告
第二部分：实验过程记录（可加页） （包括实验原始数据记录，实验现象记录，实验过程发现的问题
等） 操作步骤： 1、 执行“分析”—“比较均值”—“单因素方差分析” ； 2、 在弹出的单因素方差分析对话框中，将时期选为因子，将 X1、X2、X3、X4 选为因变量； 3、 单击“对比” ，选择“多项式” ，在后面的下拉菜单中选择“线性” ，然后继续； 4、 单击“两两比较” ，选择“LSD”和“S-N-K” ，显著性水平默认为 0.05，然后继续； 5、 单击“选项” ，选择“方差同质性检验”和“均值图” ，然后继续，点击“确定”后即可输出结果。
12
题目：研究者提出，随着时间的推移头骨尺寸会发生变化，这是外来移民与原住民人口民族融合的证据。表 6.13 是古埃及三个时期的男性头骨的四个观测值得观测数据，这是个观测变量是： X1=头骨最大的最大宽度 X2=头骨高度 X3=头骨底穴至齿槽的长度 X4=头骨鼻梁高度 对古埃及头骨数据构造单因子 MANOVA 表， a=0.05.并构造 95%联合置信区间来判断在三个时期中哪个分 令 量的均值发生了改变。同常的 MANOVA 假设对这些数据是不是合理的？请解释。 部分数据如下：
实验课程名称：多元统计分析-均值向量检验
实验项目名称 实 验 者 同 组 者
均值向量检验习题 均值向量检验习题 6.24
专业班级
实验成绩 实验成绩 组 别 年 月 日
实验日期
一部分：实验预习报告（包括实验目的、意义，实验基本原理与方法，主要仪器设备及耗材，实验
方案与技术路线等） 实验目的：深入了解方差分析及方差分析的概念，掌握方差分析的基本原理；掌握方差分析的过程；增强实 践能力，能够动手用统计软件解决实际问题，熟练掌握方差分析的基本操作。 实验原理：多个正态总体均值向量检验（多元方差分析） 设 有 k 个 p 元 正 态 总 体 N p ( µ1 , Σ), L , N p ( µ k , Σ) ， 从 每 个 总 体 抽 取 独 立 样 品 个 数 分 别 为
多元统计分析实验指导书——实验一均值向量和协方差阵检验
实验一SPSS软件的基本操作与均值向量和协方差阵的检验【实验目的】通过本次实验，了解SPSS的基本特征、结构、运行模式、主要窗口等，了解如何录入数据和建立数据文件，掌握基本的数据文件编辑与修改方法,对SPSS有一个浅层次的综合认识。
同时能够掌握对均值向量和协方差阵进行检验。
【实验性质】必修，基础层次【实验仪器及软件】计算机及SPSS软件【实验内容】1.操作SPSS的基本方法(打开、保存、编辑数据文件)2.问卷编码3.录入数据并练习数据相关操作4.对均值向量和协方差阵进行检验，并给出分析结论。
【实验学时】4学时【实验方法与步骤】1.开机2.找到SPSS的快捷按纽或在程序中找到SPSS，打开SPSS3.认识SPSS数据编辑窗、结果输出窗、帮助窗口、图表编辑窗、语句编辑窗4.对一份给出的问卷进行编码和变量定义5.按要求录入数据6.练习基本的数据修改编辑方法7.检验多元总体的均值向量和协方差阵8.保存数据文件9.关闭SPSS，关机。
【实验注意事项】1.实验中不轻易改动SPSS的参数设置，以免引起系统运行问题。
2.遇到各种难以处理的问题，请询问指导教师。
3.为保证计算机的安全，上机过程中非经指导教师和实验室管理人员同意，禁止使用移动存储器。
4.每次上机，个人应按规定要求使用同一计算机，如因故障需更换，应报指导教师或实验室管理人员同意。
5.上机时间，禁止使用计算机从事与课程无关的工作。
【上机作业】1.定义变量：试录入以下数据文件，并按要求进行变量定义。
表1学号姓名性别生日身高（cm）体重（kg）英语（总分100分）数学（总分100分）生活费（$代表人民币）200201 刘一迪男1982.01.12 156.42 47.54 75 79 345.00 200202 许兆辉男1982.06.05 155.73 37.83 78 76 435.00 200203 王鸿屿男1982.05.17 144.6 38.66 65 88 643.50 200204 江飞男1982.08.31 161.5 41.68 79 82 235.50 200205 袁翼鹏男1982.09.17 161.3 43.36 82 77 867.00 200206 段燕女1982.12.21 158 47.35 81 74200207 安剑萍女1982.10.18 161.5 47.44 77 69 1233.00 200208 赵冬莉女1982.07.06 162.76 47.87 67 73 767.80 200209 叶敏女1982.06.01 164.3 33.85 64 77 553.90 200210 毛云华女1982.09.12 144 33.84 70 80 343.00200211 孙世伟男1981.10.13 157.9 49.23 84 85 453.80200212 杨维清男1981.12.6 176.1 54.54 85 80 843.00男1981.11.21 168.55 50.67 79 79 657.40 200213 欧阳已祥200214 贺以礼男1981.09.28 164.5 44.56 75 80 1863.90200215 张放男1981.12.08 153 58.87 76 69 462.20200216 陆晓蓝女1981.10.07 164.7 44.14 80 83 476.80200217 吴挽君女1981.09.09 160.5 53.34 79 82200218 李利女1981.09.14 147 36.46 75 97 452.80200219 韩琴女1981.10.15 153.2 30.17 90 75 244.70200220 黄捷蕾女1981.12.02 157.9 40.45 71 80 253.00要求：1）变量名同表格名，以“（）”内的内容作为变量标签。
应用多元统计分析实验报告
多元统计分析实验报告学院名称理学院专业班级应用统计学14-2学生姓名张艳雪学号201411081051工资、受教育年限、初始工资和工作经验资料如下表所示： 设职工总体的以上变量服从多元正态分布，根据样本资料利用 SPSS 软件求出均注 1：最大似然估计公式为： μˆ = X = ∑ ∑ (X i - X )(X i - X )' ； ˆ第一章 多元正态分布1.1 从某企业全部职工中随机抽取一容量为 6 的样本，该样本中个职工的目前值向量和协方差矩阵的最大似然估计。
1 n n i =1 X i ， Σ = 1 nn i =1一．SPSS 操作步骤：第一步：利用 spss 建立数据集第二步：分析--描述统计--描述 计算样本均值向量 第三步：分析--相关--双变量计算样本协方差阵与样本相关系数二．输出结果：⎪ μ= 37125 ⎪ 152.50⎪ ⎛ 352068000 12500 -110677500 102000 ⎫= -110677500 - 86250 2192793750 691125 ⎪16695.1⎪⎭ ∑ X i，∑ (X i - X )(X i - X )'ˆ三．实验结果分析：样本均值为样本的协方差∑⎪⎪如此就可以按照极大似然估计方程：1 nΣ =n i =1得出均值向量与协方差向量的最大似然估计结果。
μ=X=1nn i=1ˆ第三章聚类分析3.1下表是15个上市公司2001年的一些主要财务指标，使用系统聚类法和K－均值法利用SPSS软件分别对这些公司进行聚类，并对结果进行比较分析。
公司编号净资产收益率每股净利润总资产周转率资产负债率流动负债比率每股净资产净利润增长率总资产增长率111.090.210.0596.9870.53 1.86-44.0481.99211.960.590.7451.7890.73 4.957.0216.11300.030.03181.99100-2.98103.3321.18411.580.130.1746.0792.18 1.14 6.55-56.325-6.19-0.090.0343.382.24 1.52-1713.5-3.366100.470.4868.486 4.7-11.560.85710.490.110.3582.9899.87 1.02100.2330.32811.12-1.690.12132.14100-0.66-4454.39-62.759 3.410.040.267.8698.51 1.25-11.25-11.4310 1.160.010.5443.7100 1.03-87.18-7.411130.220.160.487.3694.880.53729.41-9.97128.190.220.3830.31100 2.73-12.31-2.771395.79-5.20.5252.3499.34-5.42-9816.52-46.821416.550.350.9372.3184.05 2.14115.95123.4115-24.18-1.160.7956.2697.8 4.81-533.89-27.74一、实验原理:1.系统聚类的基本思想是：首先，每个样品（或变量）先聚成一类，然后，选择距离公式计算类与类之间的距离，把距离相近的样品（或变量）先聚成类，距离相远的后聚成类，该过程一直进行下去，每个样品（或变量）总能聚到合适的类中，最后，所有的样品（或变量）聚成一类。
多元统计分析——典型相关分析实验报告
多元统计分析实验报告课程名称多元统计分析实验成绩实验内容典型相关分析指导老师姓名专业班级一、实验目的典型相关分析（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。
本文旨在通过分析农业基础用品投入量与农产品产量数据，利用典型相关分析分析两者的关系，同时达到熟练使用SPSS软件进行典型相关分析操作的目的。
二、实验数据本文使用2002-2011年全国农产品产量与农业基础用品投入量数据，如表2-1所示。
第一组数据为农产品产量（由左到右依次为，粮食产量X1、油料产量X2、糖料产量X3、蔬菜产量X4），第二组数据为农业基础用品投入量（由左到右依次为，农用塑料薄膜使用量Y1、农用柴油使用量Y2、农药使用量Y3）。
表2-1 2011-2011年全国农产品产量与农业基础用品投入量数据由于cancorr不能读取中文名称，所以变量名均需为英文名。
将表2-1数据转换为能够进行典型相关分析形式的数据，如表2-2所示。
表2-2 典型相关分析数据（农产品产量与农业基础用品投入量数据）三、实验过程SPSS 16.0并未提供典型相关分析的交互窗口，只能直接在syntax editor 窗口呼叫SPSS的CANCORR程序来执行分析。
选择【File】—【New】—【Syntax】，弹出Syntax对话框，在对话框中写入调用Cancorr程序，如图3-1所示。
图3-1 Syntax窗口调用CONCORR函数四、实验结果表4-1为第一组数据，即农产品产量之间的相关关系表。
从表中可以看出，粮食产量（X1）与蔬菜产量（X4）有较高的相关关系，相关系数高达0.9035；粮食产量（X1）与糖料产量（X3）相关关系也较大，相关系数为0.8081；油料产量（X2）与蔬菜产量（X4）的相关关系较大，为0.7442。
多元统计分析实验报告计算协方差矩阵相关矩阵SAS
多元统计分析实验报告计算协方差矩阵相关矩阵SAS实验目的：通过对多元统计分析中的协方差矩阵和相关矩阵的计算，探究变量之间的相关性，并使用SAS进行实际操作。
实验步骤：1.数据准备：选择一个数据集，例如学生的成绩数据，包括数学成绩、语文成绩和英语成绩。
2.数据整理：将数据转化为矩阵形式，每一行代表一个学生，每一列代表一个变量（即成绩），记为X。
3. 计算协方差矩阵：根据公式计算协方差矩阵C，其中元素Cij表示变量Xi和Xj之间的协方差。
计算公式为Cij = cov(Xi, Xj) = E((Xi - u_i)(Xj - u_j))，其中E为期望值，u_i和u_j分别是变量Xi和Xj的均值。
4. 计算相关矩阵：根据协方差矩阵计算相关矩阵R，其中元素Rij表示变量Xi和Xj之间的相关性。
计算公式为Rij = cov(Xi, Xj) / (sigma_i * sigma_j)，其中sigma_i和sigma_j分别是变量Xi和Xj的标准差。
5.使用SAS进行实际操作：使用SAS软件导入数据集，并使用PROCCORR和PROCPRINT命令进行协方差矩阵和相关矩阵的计算和输出。
实验结果：通过计算协方差矩阵和相关矩阵，可以得到变量之间的相关性信息。
协方差矩阵的对角线上的元素表示每个变量的方差，非对角线上的元素表示不同变量之间的协方差。
相关矩阵的对角线上的元素都是1，表示每个变量与自身的相关性为1，非对角线上的元素表示不同变量之间的相关性。
使用SAS进行实际操作后，我们可以得到一个包含协方差矩阵和相关矩阵的输出表格。
该表格可以帮助我们更直观地理解变量之间的相关性情况，从而为后续的统计分析提供参考。
实验总结：通过本次多元统计分析实验，我们了解了协方差矩阵和相关矩阵的计算方法，并使用SAS软件进行实际操作。
这些矩阵可以帮助我们评估变量之间的相关性，为后续的统计分析提供重要的基础信息。
在实际应用中，我们可以根据协方差矩阵和相关矩阵的结果，选择合适的统计方法和模型，并做出恰当的推断和决策。
多元统计实验SAS软件应用基础
5 100 91 72 96 78
6 90 78 82 75 97
7 75 73 88 97 89
8 93 84 83 68 88
9 87 73 60 76 84
10 95 82 90 62 39
11 76 72 43 67 78
12 85 75 50 34 37
请计算各门成绩的均值、方差、标准差、变异系数、偏度、峰度。
二，实验原理
对于样本容量为n的一个样本：
有如下概念：
均值(Mean)：
方差（)：
偏度(SKEWNESS)：
峰度(KURTOSIS)：
中位数(MEDIUM)：
分位数：
上四分位数：
下四分位数：
三均值：
极差（RANGE）
Proc步具有大致相同的程序结构：
PROC过程名<option(s)> <statistic-keyword(s)>;
2.学生管理数据库中数据集如下：
姓名
出生日期
年龄
学号
数学
英语
王红
1977-06-02
22
9810012
90
73
李明
1978-03-23
21
9810004
88
68
徐凯歌
1978-11-14
21
9810034
92
78
吴青云
1978-04-12
21
9810023
89
84
李清华
1978-10-24
21
9810024
②plot：要求对所分析的各变量的观测值产生一个茎叶图（或水平直方图）、一个箱线图和一个正态QQ图。若某区间的观测值超过48，则不绘制茎叶图，而改绘制直方图。在正态QQ图中，以“*”表示正态QQ图上的点，以“+”表示相应的参考直线。
6 90 78 82 75 97
7 75 73 88 97 89
8 93 84 83 68 88
9 87 73 60 76 84
10 95 82 90 62 39
11 76 72 43 67 78
12 85 75 50 34 37
请计算各门成绩的均值、方差、标准差、变异系数、偏度、峰度。
二，实验原理
对于样本容量为n的一个样本：
有如下概念：
均值(Mean)：
方差（)：
偏度(SKEWNESS)：
峰度(KURTOSIS)：
中位数(MEDIUM)：
分位数：
上四分位数：
下四分位数：
三均值：
极差（RANGE）
Proc步具有大致相同的程序结构：
PROC过程名<option(s)> <statistic-keyword(s)>;
2.学生管理数据库中数据集如下：
姓名
出生日期
年龄
学号
数学
英语
王红
1977-06-02
22
9810012
90
73
李明
1978-03-23
21
9810004
88
68
徐凯歌
1978-11-14
21
9810034
92
78
吴青云
1978-04-12
21
9810023
89
84
李清华
1978-10-24
21
9810024
②plot：要求对所分析的各变量的观测值产生一个茎叶图（或水平直方图）、一个箱线图和一个正态QQ图。若某区间的观测值超过48，则不绘制茎叶图，而改绘制直方图。在正态QQ图中，以“*”表示正态QQ图上的点，以“+”表示相应的参考直线。
多元统计分析变量样本均值和协方差阵的相等检验
多元统计分析实验报告
实验名称
变量样本均值和协方差阵的相等检验
姓名
学号
班级
实验地点
实验日期
指导教师
实验目的：
1.检验样本均值和协方差阵是否相等。
2.检验变量是否符合正态分布。
涉及实验的相关情况介绍（包含使用软件或实验设备等情况）：
1、实验设备：一台电脑、互联网、SAS软件、投影仪。
2、实验相关知识点：
样本均值和协方差阵的估计
变量是否服从正态分布
实验报告（2）：
在主要城市废气中主要污染物排放情况数据中六个变量互不影响，工业二氧化硫，工业氮氧化物，工业烟尘都符合正态分布，而生活二氧化硫，生活氮氧化物，生活烟尘在QQ图上的表现较为符合正态分布。
注实验报告电子版命名方式为：学号+姓名+实验名称。
实验过程:
1.自行车租用数据：
样本均值和协方差阵估计
样本均值相等
BOX’S M-协方差相等
检验变量是否服从正态分布
实验结论（1）：
在自行车租用数据中四个变量互不影响，互不相关，变量都符合正态分布。在实验中，பைடு நூலகம்行单变量正态检验时，从QQ图，箱型图可以得出变量服从正态分布。
2.“主要城市废气中主要污染物排放情况”
实验名称
变量样本均值和协方差阵的相等检验
姓名
学号
班级
实验地点
实验日期
指导教师
实验目的：
1.检验样本均值和协方差阵是否相等。
2.检验变量是否符合正态分布。
涉及实验的相关情况介绍（包含使用软件或实验设备等情况）：
1、实验设备：一台电脑、互联网、SAS软件、投影仪。
2、实验相关知识点：
样本均值和协方差阵的估计
变量是否服从正态分布
实验报告（2）：
在主要城市废气中主要污染物排放情况数据中六个变量互不影响，工业二氧化硫，工业氮氧化物，工业烟尘都符合正态分布，而生活二氧化硫，生活氮氧化物，生活烟尘在QQ图上的表现较为符合正态分布。
注实验报告电子版命名方式为：学号+姓名+实验名称。
实验过程:
1.自行车租用数据：
样本均值和协方差阵估计
样本均值相等
BOX’S M-协方差相等
检验变量是否服从正态分布
实验结论（1）：
在自行车租用数据中四个变量互不影响，互不相关，变量都符合正态分布。在实验中，பைடு நூலகம்行单变量正态检验时，从QQ图，箱型图可以得出变量服从正态分布。
2.“主要城市废气中主要污染物排放情况”
实验报告-判别分析(多元统计)
实验报告5判别分析（设计性实验）(Discriminant analysis)实验原理：判别分析是判别样品所属类型的一种统计方法。
判别分析是在已知研究对象分成若干类型（或组别）并已取得各种类型的一批已知样品的观测数目，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。
本实验要求学生应用距离判别准则（即，对任给的一次观测，若它与第i类的重心距离最近，就认为它来自第i类），对两总体和多总体情形下分别进行判别分析。
实验中需注意协方差矩阵相等时，选取线性判别函数；协方差矩阵不相等时，应选取二次判别函数。
实验题目一：为了检测潜在的血友病A携带者，下表中给出了两组数据：(t11a8)其中x1＝log10（AHF activity），x2＝log10（AHF antigen）。
下表给出了五个新的观测，试对这些观测判别归类；(t11b8)实验要求：（1）分别检验两组数据是否大致满足二元正态性；（2）分别计算两组数据的协方差矩阵，是否可以认为两者近似相等？（3）对训练样本和新观测合并作散点图，不同的类用不同颜色标识；（4）用lda函数做判别分析，即在协方差矩阵相等的情形下作判别分析；（5）用qda函数做判别分析，即在协方差矩阵不相等的情形下作判别分析；（6）比较方法（4）和方法（5）的误判率。
实验题目二：某商学研究生院的招生官员利用指标――大学期间平均成绩GPA和研究生管理能力考试GMAT的成绩，将申请者分为三类：接受，不接受，待定。
下表中给出了三类申请者的GPA与GMAT成绩：(t11a6)GPA （x1）GMAT（x2）接受GPA（x1）GMAT（x2）不接受GPA（x1）GMAT（x2）待定2.96 596 1 2.54 446 2 2.86 494 33.14 473 1 2.43 425 2 2.85 496 3 3.22 482 1 2.2 474 2 3.14 419 3 3.29 527 1 2.36 531 2 3.28 371 3 3.69 505 1 2.57 542 2 2.89 447 3 3.46 693 1 2.35 406 2 3.15 313 3 3.03 626 1 2.51 412 2 3.5 402 3 3.19 663 1 2.51 458 2 2.89 485 3 3.63 447 1 2.36 399 2 2.8 444 3 3.59 588 1 2.36 482 2 3.13 416 33.3 563 1 2.66 420 2 3.01 471 33.4 553 1 2.68 414 2 2.79 490 33.5 572 1 2.48 533 2 2.89 431 33.78 591 1 2.46 509 2 2.91 446 33.44 692 1 2.63 504 2 2.75 546 33.48 528 1 2.44 336 2 2.73 467 33.47 552 1 2.13 408 2 3.12 463 33.35 520 1 2.41 469 2 3.08 440 33.39 543 1 2.55 538 2 3.03 419 33.28 523 1 2.31 505 2 3 509 33.21 530 1 2.41 489 2 3.03 438 33.58 564 1 2.19 411 2 3.05 399 33.33 565 1 2.35 321 2 2.85 483 33.4 431 1 2.6 394 2 3.01 453 33.38 605 1 2.55 528 2 3.03 414 33.26 664 1 2.72 399 2 3.04 446 33.6 609 1 2.85 381 23.37 559 1 2.9 384 23.8 521 13.76 646 13.24 467 1实验要求：（1）对上表中的数据作散点图，不同的类用不同的颜色标识；（2）用lda函数做判别分析，即在协方差矩阵相等的情形下作判别分析；（3）用qda函数做判别分析，即在协方差矩阵不相等的情形下作判别分析；（4）比较方法（2）和方法（3）的误判率；（5）现有一新申请者的GPA为3.21，GMAT成绩为497。
方差协方差矩阵计算
方差协方差矩阵计算
方差协方差矩阵是多元统计分析中的重要概念之一。
它是对多个变量之间的相关性进行描述的工具，在许多领域中都有广泛的应用。
方差协方差矩阵的计算可以通过以下步骤完成：
1. 首先，需要对多个变量进行观测和数据收集，得到一个数据矩阵。
2. 然后，可以通过计算每个变量的平均值和标准差来得到变量的基本统计量。
3. 接下来，可以计算出变量之间的协方差，通过以下公式进行计算：cov(X,Y) = E[(X - E(X))(Y - E(Y))]，其中E表示期望。
4. 最后，可以将协方差的值以及变量的方差组合在一起，得到方差协方差矩阵。
方差协方差矩阵的计算对于多元统计分析和数据建模都非常重要，它可以帮助我们理解变量之间的相关性以及它们对于整个数据集的贡献。
在实际应用中，我们可以使用各种数学软件和工具来进行方差协方差矩阵的计算，例如MATLAB、R、Python等。
- 1 -。
多元统计分析实验报告（精选多篇）
多元统计分析实验报告（精选多篇）第一篇：多元统计分析实验报告多元统计分析得实验报告院系:数学系班级:1３级 B 班姓名:陈翔学号:2013１611233 实验目得:比较三大行业得优劣性实验过程有如下得内容:(１)正态性检验;(2)主体间因子,多变量检验a;(３)主体间效应得检验;(4)对比结果(K 矩阵);(5)多变量检验结果;(６)单变量检验结果;(7)协方差矩阵等同性得Box 检验ａ,误差方差等同性得Ｌevene 检验 a;(8)估计;(9)成对比较,多变量检验;(10)单变量检验。
实验结果:综上所述,我们对三个行业得运营能力进行了具体得比较分析,所得数据表明,从总体来瞧,信息技术业要稍好于电力、煤气及水得生产与供应业以及房地产业。
１。
正态性检验Kｏlmogorｏv－SｍirnovaShapiｒ o—Wilk 统计量 dｆ Sig.统计量ｄｆ Sig、净资产收益率。
１１３ 35、2００＊。
97８ 35。
6７7 总资产报酬率。
121 35、２00＊。
964 3５、298 资产负债率。
08６ 35。
2００*.9６2 35、265 总资产周转率.1８0 3５、006。
864 ３5。
00０流动资产周转率、164 3５、０18.88５35、002 已获利息倍数、２8１35.０00。
55１３5、0０0 销售增长率.1０3 ３５、2０0＊。
９4９ 35、104 资本积累率。
251 35。
０00、655 35。
0０0 *。
这就是真实显著水平得下限。
ａ。
Lillｉeforｓ显著水平修正此表给出了对每一个变量进行正态性检验得结果,因为该例中样本中ｎ＝35<2000,所以此处选用 Shapiro—W ｉｌk 统计量。
由 Sig。
值可以瞧到,总资产周转率、流动资产周转率、已获利息倍数及资本积累率均明显不遵从正态分布,因此,在下面得分析中,我们只对净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标进行比较,并认为这四个变量组成得向量遵从正态分布(尽管事实上并非如此)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（一）
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= cov;
proc corr data= nosimple cov;
with x3 x4;
partial x1 x2;
run;
结果如下：
（1）协方差矩阵
（2）相关系数矩阵
第二题：
程序如下：
proc anova data=; class kind; model x1-x4=kind;
manova h=kind; run;
结果如下：
（1）分组水平信息
（2）x1、x2、x3、x4的方差分析
（3）多元方差分析
根据多元分析结果，p指小于，表明在的显着水平下，四个变量有显着差异。