三峽大学数学建模第二题心脏病的判别.doc

心脏病的判断 摘要 本文探讨的是提出判别心脏病以及患病程度的方法。突发心脏病是很危险的事情，如果能够判断出就诊者是否患病或其患病程度，对预防疾病突发是有意义的。 问题一中，采用线性回归方程建立了两个模型。建立两个模型的主要目的是为解决后面的问题做一个铺垫。其次，通过比较和分析，使用MATLAB实现对数据的运算处理，得到模型二的回归方程的拟合度较之前模型一要高，为0.716。 问题二中，采用第一问建立的模型二，在MATLAB环境中，仍然通过多元线性回归方程，成功得到了44名就诊者的患病情况，并以表格的形式展现出了最终结果。 问题三中，运用与前两问相似的思想，建立了两个新的模型，其中一个为含交叉项的多项式回归模型。通过MATLAB软件，分析回归方程所给的结果数据，排除了六项检查指标，确定血清中胆固醇含量、最大心跳速率以及运动是否诱发心绞痛和运动心电图ST下降程度共四项生理指标为影响人们患病的关键因素。 问题四中，使用既有数据，由问题三的结论，把对44名就诊者的数据再次运算后，与前一次的做比较发现，结论有变化，但多数波动不大。故而，可将最大心跳速率、运动是否诱发心绞痛以及血清中的胆固醇含量等等作为参考指标。 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%。 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spss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