Eight Nine Ten
Spanish Uno Dos Tres cuatro Cinco Seix Siete Ocho nueve Diez
Ate Ni Ti
Italian uno due tre quattro cinque sei sette otto nove dieci
otte ni ti
Polish jeden dwa trzy cztery piec szesc siedem osiem dziewiec dziesiec
acht negen tien acht neun zehn
Hungarian egy ketto harom negy ot hat het nyolc kilenc tiz
Finnish
huit neuf dix
yksi kaksi kolme neua viisi kuusi seitseman kahdeksau yhdeksan kymmenen
例3-4
X1 食品支出（元/人） X5 交通和通讯支出（元/人）
X2 衣着支出（元/人） X6 娱乐、教育和文化服务支出（元/人） X3 家庭设备、用品及服务支出（元/人） X7 居住支出（元/人）
X4 医疗保健支出（元/人） X8 杂项商品和服务支出（元/人）
辽宁 浙江 河南 甘肃 青海
X1 1772.14 2752.25 1386.76 1552.77 1711.03
X2 568.25 569.95 460.99 517.16 458.57
X3 298.66 662.31 312.97 402.03 334.91
X4 352.20 541.06 280.78 272.44 307.24
X5 307.21 623.05 246.24 265.29 297.72
X6 490.83 917.23 407.26 563.10 495.34
X7 364.28 599.98 547.19 302.27 274.48
X8 202.50 354.39 188.52 251.41 306.45
例3-5
x1 人均粮食支出 （元/人） x5 人均衣着支出 （元/人） x2 人均副食支出 （元/人） x6 人均日用杂品支出 （元/人） x3 人均烟、酒、饮料支出 （元/人） x7 人均水电燃料支出 （元/人） x4 人均其他副食支出 （元/人） x8 人均其他非商品支出 （元/人）
第4章
[例4-1] 判别分析的一个重要应用是用于动植物的分类当中，最著名的一个例子是1936年Fisher的鸢尾花数据（Iris Data）。鸢尾花为法国的国花，Setosa、Versicolour、Virginica是三种有名的鸢尾花，其萼片是绚丽多彩的，和向上的花瓣不同，花萼是下垂的。这三种鸢尾花很像，人们试图建立模型，根据萼片和花瓣的四个度量来把鸢尾花分类。该数据给出150个鸢尾花的萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)、花瓣宽(petal width)以及这些花分别属于的种类(Species)等共五个变量。萼片和花瓣的长宽为四个定量变量，而种类为分类变量(取三个值Setosa、Versicolour、Virginica)。这里三种鸢尾花各有50个观测值。数据格式如下图所示：
定义新的变量y为被解释变量，用“1”代表Setosa鸢尾花，用“2”代表Versicolour鸢尾花，用“3”代表Virginica鸢尾花，将萼片长(sepal length)、萼片宽(sepal width)、花瓣长(petal length)和花瓣宽(petal width)四个变量作为解释变量。
使用SPSS软件中的Analyze→Classify→Discriminant，就进入了判别分析的对话框。分组变量(Grouping Variable)选择y，然后定义y的区域，最小值是1，最大值是3。解释变量(Independents)选择sepal.length、sepal.width、petal.length和petal.width。
统计量(Statistics)选项中选择描述统计量Means，Univariate ANOVAs和Box M ，函数选择Fisher和非标准化函数，矩阵选择Within-groups correlation。分类(Classify)选项中选择
先验概率（所有组相等或根据组的大小计算概率），因为三个品种的都是50种，因此两种选择的效果一样，子选项显示(display)中选择每个个体的结果(Casewise results)，综合表(Summery Table)和“留一个在外”(Leave-one-out classifation)的验证原则，协方差矩阵选择Within-groups，作图选择Combined-groups。
保存(Save)选项中可以选择预测的分类、判别得分以及所属类别的概率。如果采用逐步判别法，我们还可以选择判别的方法(Method)。得到分析结果如下：
输出结果4-1