统计模型查看源代码讨论查看历史
| 统计模型 |
统计模型[stochasticmodel；statisticmodel；probabilitymodel]指以概率论为基础，采用数学统计方法建立的模型。有些过程无法用理论分析方法导出其模型，但可通过试验测定数据，经过数理统计法求得各变量之间的函数关系，称为统计模型。常用的数理统计分析方法有最大事后概率估算法、最大似然率辨识法等。常用的统计模型有一般线性模型、广义线性模型和混合模型。统计模型的意义在对大量随机事件的规律性做推断时仍然具有统计性，因而称为统计推断。常用的统计模型软件有SPSS、SAS、Stata、SPLM、Epi-Info、Statistica等。
简介
统计模型是一组数学模型，它包含了一组关于样本数据的假设。统计模型通常以相当理想化的形式表示数据生成过程。统计模型所体现的假设由一组概率分布来描述，其中一些概率分布被假定为充分近似于对特定数据集进行采样的分布。统计模型固有的概率分布是统计模型与其他非统计数学模型的区别。统计模型通常由与一个或多个随机变量以及可能的其他非随机变量相关的数学方程来指定。因此，统计模型是“理论的形式化表示”。所有的统计假设检验和所有的统计估计都来自统计模型。更一般地说，统计模型是统计推断基础的一部分。常用的数理统计分析有最大事后概率估算法，最大似然率辨识法最大事后概率估算法，最大似然率辨识法等。
评价
判别分析就是在已知研究对象分为若干类型(组别)并已经取得各种类型的一批已知样品的观测数据基础上，根据某些准则，建立起尽可能把属于不同类型的数据区分开来的判别函数，然后用它们来判别未知类型的样品应该属于哪一类。根据判别的组数，判别分析可以分为两组判别分析和多组判别分析;根据判别函数的形式，判别分析可以分为线性判别和非线性判别；根据判别时处理变量的方法不同，判别分析可以分为逐步判别、序贯判别等;根据判别标准的不同，判别分析有距离判别、Fisher判别、Bayes判别等。 判别分析与聚类分析同属分类问题，所不同的是，判别分析是预先根据理论与实践确定等级序列的因子标准，再将待分析的地理实体安排到序列的合理位置上的方法，对于诸如水土流失评价、土地适宜性评价等有一定理论根据的分类系统定级问题比较适用。在地理信息统中发展了一种多因素模糊评价模型，相当于模糊评判分析。该方法首先根据标准类别参数的指标空间确定各因素各类别对目标的隶属度，作为判别距离的度量，再结合要素的权重指数，采用适当的模糊算法，计算各地理实体的归属等级类别，作为评价的基础。该方法通过隶属度表达人们对目标与因素之间关系的模糊性认识，用适当的算法将这种认识量化并反映到结果的分类中，对于地理学中的评价与规划问题非常有效。[1]