总体样本为150个，有效样本数为150个，占总数的100%，无效或者未分组的样本数为0。
6
由表可知各项均值，标准差，有效样本个数。
上表为组内矩阵
7
上表为协方差矩阵
图为fisher判别法下两个个fisher判别函数的特征值。Function 1的特征值为30.419，解释了99%的变异.典型相关系数为0.984。Function 2的特征值为0.293，解释了1%的变异.典型相关系数为0.476。
图为Wilks'lambda的值(其值越小越好)0.025表示判别函数很好且判别效果显著； 0.774表示判别函数不好但判别效果显著。
8
按大小依次排序的各判别变量与判别函数间的相关系数
U1=-2.526-0.063x1-0.155x2+0.196x3+0.299x4 U2=-6.987+0.007x1+0.218x2-0.089x3+0.271x4
图为各组重心坐标值。利用Fisher判别函数计算出各观测值具体坐标后，再计算出离各重心的距离，则可得知分类情况。
9
贝叶斯判别函数，有效样本为150个，无缺省样本或未知样本。
表中是各类先验概率情况，此处采用等概率
Bayes判别函数
Y1=-80.268+1.687x1+2.695x2-0.880x3-2.284x4 Y2=-71.196+1.101x1+1.070x2+1.001x3+0.197x4 Y3=-103.890+0.865x1+0.747x2+1.647x3+1.695x4
把新样本的值对应带入三个函数式，函数值最高的即为相应分类
10