1、(完整)數學地質報告(完整)數學地質報告 編輯整理：尊敬的讀者朋友們：這里是精品文檔編輯中心，本文檔內容是由我和我的同事精心編輯整理后發布的，發布之前我們對文中內容進行仔細校對，但是難免會有疏漏的地方，但是任然希望（(完整)數學地質報告）的內容能夠給您的工作和學習帶來便利。同時也真誠的希望收到您的建議和反饋，這將是我們進步的源泉，前進的動力。本文可編輯可修改，如果覺得對您有幫助請收藏以便隨時查閱，最后祝您生活愉快 業績進步，以下為(完整)數學地質報告的全部內容。21聚類分析1.題目：于南海地區取得干酪根樣品六個，每個樣品測取了六項指標，分別是：類脂體、殼質體、鏡質體、惰質體的百分含量，h/c原

2、子比和o+s/c原子比.原始數據如下：南海干酪根樣品指標原始數據表 指標樣品類脂體（）殼質體(）鏡質體(%)惰質體（%）h/c（原子比）o+s/c(原子比）1x12510402515.28。13x1150553019。510。49x1451040510。11.5567x145302509。012.932。數據處理：聚類案例處理匯總a案例有效缺失總計n百分比n百分比n百分比6100。00.06100.0a. 平均聯結(組之間) 近似矩陣案例 平方 euclidean 距離 1234561.0001913。4013960。642450。31345

3、6.605201.66921913。401.000474。060869。306989。0121715。35633960.642474。060。0002018。2842274.1223767。1944450。313869。3062018.284。000159.744653.0935456.605989.0122274。122159.744。000354。0086201。6691715.3563767。194653.093354.008。000這是一個不相似矩陣.平均聯結（組之間) 聚類表階群集組合首次出現階群集群集 1群集 2系數群集 1群集 2下一階145159。744004216201.66

4、9004323474。060005414478.5042155122188.415430距離系數，計算第i 個變量與第j 個變量的距離系數。距離系數矩陣 。樹狀圖 c a s e 0 5 10 15 20 25 label num +-+-+-+-+-+-+-+ 4 -+-+ 5 + +-+ 1 -+-+ 6 + 2 -+-+ 3 -+該樹狀圖，層次清楚.3。結論：（1)根據類脂體的百分比不同，可將6組數據粗分為兩類，樣品1，4，5,6為一類，樣品2，3為一類。（2)又可根據惰質體的百分比不同，將6組數據分為兩類，樣品1,4，5，6為一類，樣品2,3為一類。(3)根據類脂體的百分比不同，可以將

5、6組數據分為三類，樣品1,6為一類，樣品2，3為一類，樣品4,5為一類。(4）根據類脂體的百分比不同，可以將6組數據分為三類，樣品1，6為一類,樣品2，3為一類，樣品4，5為一類。從分析圖可見：六個干酪根樣品可以分為三類，樣品6與樣品1聚為一類，從原始數據來看著這一類可定位腐植腐泥型；樣品4與樣品5聚為一類，可定為腐泥-腐植型；樣品2與樣品3聚為一類，為腐植型.判別分析1.數據:油水層x1x2x3x410.360.193。800.5620.420.140.840。543 0.3570。294。200。5040。350.173.180。615 0。3240.305。20 0.61560.520.

6、273。000.587 0.6080.181。200.59現要根據三組已知的樣品來建立油層、水層、油水層的多組(此處為三組)判別函數.2。數據處理：判別分析案例處理摘要未加權案例n百分比有效31100。0排除的缺失或越界組代碼0.0至少一個缺失判別變量0。0缺失或越界組代碼還有至少一個缺失判別變量0.0合計0。0合計31100.0組統計量y有效的 n（列表狀態)均值標準差未加權的已加權的1。000x1。28762.1023181313.000x2.22777。0344681313.000x31。32938.8752481313。000x4。65385.0677221313.0002。000x1

7、。46182。1405921111。000x2。21955.0392721111.000x34。694554.9824501111.000x4。32682.1410791111.0003.000x1.41986。10569577.000x2.22000。06480777。000x33.060001。57230277.000x4.57071.04086977.000合計x1。37929。1397633131。000x2.22310.0429613131。000x32.914263。3662033131。000x4。51903.1756393131。000組均值的均等性的檢驗wilks 的 lam

8、bdafdf1df2sig。x1.6667.019228。003x2.991。125228。883x3.8013.479228.045x4。28535。061228.000分析 1協方差矩陣的均等性的箱式檢驗對數行列式y秩對數行列式1.0002-10.9442.00028。4183.000210。900匯聚的組內2-8.982打印的行列式的秩和自然對數是組協方差矩陣的秩和自然對數。檢驗結果箱的 m29.404f近似。4。339df16df24994。416sig。.000對相等總體協方差矩陣的零假設進行檢驗.步驟統計輸入的/刪除的變量a，b，c，d步驟wilks 的 lambda輸入的統計量d

9、f1df2df31x4。2851228.0002x1。2062228.000在每個步驟中，輸入了最小化整體 wilk 的 lambda 的變量。a。 步驟的最大數目是 8。b。 要輸入的 f 的最大顯著水平是 .05。c. 要刪除的 f 的最小顯著水平是 .10.d。 f 級、容差或 vin 不足以進行進一步計算。輸入的/刪除的變量a，b，c,d步驟wilks 的 lambda精確 f統計量df1df2sig。135.061228.000.000216.261454.000.000在每個步驟中，輸入了最小化整體 wilk 的 lambda 的變量。a. 步驟的最大數目是 8。b。 要輸入的 f

10、 的最大顯著水平是 。05.c。 要刪除的 f 的最小顯著水平是 .10。d。 f 級、容差或 vin 不足以進行進一步計算。分析中的變量步驟容差要刪除的 f 的顯著水平wilks 的 lambda1x41。000。0002x4。955.000。666x1。955.012.285不在分析中的變量步驟容差最小容差要輸入的 f 的顯著性wilks 的 lambda0x11。0001.000。003。666x21.0001.000。883。991x31。0001。000。045。801x41。0001.000.000。2851x1.955。955.012.206x2。946。946。683.277x

11、3.914。914。805。2812x2.900。883.451.194x3.841。841。466。194wilks 的 lambda步驟變量數目lambdadf1df2df311.285122822。2062228wilks 的 lambda步驟精確 f統計量df1df2sig。135。061228。000。000216。261454。000.000典型判別式函數摘要特征值函數特征值方差的 %累積 %正則相關性13。511a97.897.8.8822。077a2。2100。0.268a。 分析中使用了前 2 個典型判別式函數。wilks 的 lambda函數檢驗wilks 的 lambda

12、卡方dfsig.1 到 2。20643。4784。0002。9282.0471.153標準化的典型判別式函數系數函數12x1。554。860x4。958。360結構矩陣函數12x4.841.542x2a.311-.055x1。351.936x3a。102。385判別變量和標準化典型判別式函數之間的匯聚組間相關性 按函數內相關性的絕對大小排序的變量。*. 每個變量和任意判別式函數間最大的絕對相關性a。 該變量不在分析中使用。典型判別式函數系數函數12x14。6937.285x49。8633。702（常量）3。3404。685非標準化系數組質心處的函數y函數121.0001.760。1692。00

13、02。283.1103.000。319。487在組均值處評估的非標準化典型判別式函數分類統計量分類處理摘要已處理的31已排除的缺失或越界組代碼0至少一個缺失判別變量0用于輸出中31組的先驗概率y用于分析的案例先驗未加權的已加權的1。000。4191313。0002.000。3551111.0003.000.22677.000合計1。0003131.000分類函數系數y1.0002.0003。000x18.97228.37020.509x467。01727。35655。236(常量）24.06912。05721。555fisher 的線性判別式函數 按照案例順序的統計量案例數目最高組p(dd g

14、=g）實際組預測組pdf初始111。9432211。7462311。9122411.2572511.9982611.9142713*.9152811.7772911。79521011。74021111。09521211.79921311.16721423*.19321522。15021622。10621722。67721822。50921922。52122022。30622122。20322222.35022322。44922422.07822533。87922633.94922733.71222831.73722931*。85223033。69523133。2782*. 錯誤分類的案例按照案

15、例順序的統計量案例數目最高組第二最高組p(g=g | d=d)到質心的平方 mahalanobis 距離組p(g=g | d=d）到質心的平方 mahalanobis 距離初始1.913.1183。0873.5772.741。5873.2581。4583。767。1833.2321.3344.9892.7203.01110.4245.856.0033。1432。3396.831。1813。1692.1307.718。1791.1974。0088。720.5033.2771.1729.688.4593。310.81910.655.6023。342.66111.9954。7053.00513。95

16、812。691。4503。307.83413.9913。5763。00911.77514。6713.2942.3035.78715。6223。7943。3693.93216。5324.4843。4563。88717.971.7793。0286.93318。9991.3503。00114.30119.9991.3053。00114.520201。0002。3683.00016。94221。6233.1853。2903。81222。9922。0993。00711.00023.9971.6013.00312.32424。9995。1073。00119。34425.507.2571.4741.6332

17、6。678。1051。2503。33727.598.6801。2853。40128.652.6113。345。64429.729。3213。2701.07230。792.7271。1485。32331。8402.5592.0967。807按照案例順序的統計量案例數目判別式得分函數 1函數 2初始12.102-。14521。525.56131。379.02643。193-。98451。701.16961。440-。4487.086.60881.063.30091。142。109101。086.215113。534-1。417121.162.135133。639-。38314.8831.846151。3301。58816-1.2191.720172.298.77218-3.256。74519-3。375-.446203.788.21321-.8041。110222.291-1。55923-2.699-1。30524-3.1722.18825。495。01126.016。37427.0