数学建模心脏病的判别..docVIP

心脏病的判别 摘 要 本文研究的是一个判别分析类问题，解决的是如何根据就诊者的各项生理指标数据，判别就诊者是否患有心脏病以及患病的程度，并确定哪些指标是影响人们患心脏病的关键因素，从而减少化验的指标，以便人们可以及时发现疾病。 首先我们对题目中给出的数据进行了处理，通过查找资料以及合理的判断，将-9进行了合理的赋值。 问题一中，我们将250个就诊者按患病程度分为五个总体，建立了多总体fisher判别模型，利用spss软件对13个样本进行分析，剔除，最后得出判别函数，并根据Fisher后验概率最大这一判别规则进行回代，最终得出运用本判别方法判断“是否患病”的正确率为97.2%，判断“患病程度”的正确率为85.6%。 0问题二中，我们以问题一的判别函数和判别准则为基础，通过分析，剔除、、，得到了新的判别函数。然后我们运用matlab软件，将44名就诊人员13项指标的数据代入判别函数求解，通过判断，得出各自的患病情况。 问题三中，题目要求确定影响人们患心脏病的关键或主因素，以便减少化验的指标。为此我们运用逐步剔除法，结合spss软件，将F分布统计检定值中数值小的指标进行剔除。当剔除F、G、B、A、D、E时，分类正确率为82.4%，而将H也剔除时，正确率降为79.6%。因此，我们得出H、C、K、J、I、M为主要因素。 问题四中，我们运用与问题二相同的方法，将44名就诊人员13项指标的数据代入问题三得出的判别函数中进行求解，将得出的结果与问题二比较，我们发现：所建判别方法及判别准则在判断“是否患病”时，正确率较高；而在判别“患病程度”时，就有一定的偏差。这与模型以及算法本身的准确度有一定的关系，也与我们处理数据时的正确性有一定关系。 本文最后对所建模型的优缺点进行了分析，并提出了改进与推广。 关键字： 多总体fisher判别 spss软件 逐步剔除法 心脏病的判断 1．问题重述 1.1问题背景 心脏是维持全身血液循环的最重要器官。由于现代人不正确的饮食和运动习惯等因素，心脏病患者人数逐年上升，心脏病已经成为威胁人类生命的十大疾病之一，除了老年人，中青年也成为心脏病猝死的高危人群。年轻人的心脏病突发往往没有明显先兆，突然发作时很危险，心脏病的病因很多，有时很难判断一个人是否患有心脏病。 附录一是到某医院做心脏病检测的一些确诊者的生理指标数据。（指标A，B,…M的含义见附录二，指标N表示是否确诊为心脏病以及患病的程度） 1.2需解决的问题 问题一：根据附录一中的数据，提出判别心脏病以及患病程度的方法，并检验你提出方法的正确性。 问题二：按照问题一提出的方法，判断附录三中的44名就诊人员的患病情况。 问题三：能否根据附录二的数据特征，确定哪些指标是影响人们患心脏病的关键或主因素，以便减少化验的指标。 问题四：根据问题三的结果，重复问题二的工作，并与问题二的结果对比作进一步分析。 2．模型的假设与符号说明 2.1模型假设 假设1：假定就诊人员的身体状况只有患心脏病和健康（非心脏病患者）两类，不考虑就诊人员的其他疾病因素以及身体素质的差异对疾病的影响。 假设2：假设除了表中列出的指标外，其他指标对是否患心脏病影响很小。 假设3：假设题目中所给的数据是在相同的条件下测得的。 假设4：假设样品的估计平均值、协方差分别等于总体的平均值、协方差 2.2符号说明 年龄； 性别； 胸痛类型； 静息血压； 血清中胆固醇含量 mg/dl； 空腹时血糖 120 mg/dl； 静息时心电图结果； 最大心跳速率； 运动是否诱发心绞痛； 运动心电图ST下降程度； ST段斜坡； 大血管属性； 地中海贫血； 心脏疾病的诊断结果； 总体； 样品； 判别系数； F分布统计检定值 3．问题分析 本题研究的是多元分析中的判别分析类问题。 针对问题一：在已知就诊者各项生理指标及患病情况的前提下，提出判别心脏病以及患病程度的方法，并检验提出方法的正确性。考虑到此题通过研究个体的观测指标来推断该个体的所属类型，我们采用判别分析法进行求解。 判别分析法包括：距离判别法、fisher判别法、bayes判别法。综合考虑了这三种判别方法的优缺点，我们决定采用fisher判别法进行求解。首先，我们可以通过spss软件处理原始数据，衡量该十三项指标的相应的标准差、方差、均值等。然后，利用所给数据求解出判别函数，建立判别准则，从而得到确定心脏病以及患病程度的方法。最后，通过回代法，将确诊者的各项指标代入判别函数，通过判别准则得出分类情况，再与原来的分类情况进行对比，即可计算出正确率，从而验证所得出方法的正确性。 针对问题二：在第一问的求解基础上，我们分