数学建模b.docx

数学建模题目：B.预测服药后病痛明显减轻的时间预测服药后病痛明显减轻的时间摘要随着现代科学技术的发展，医学方面的技术也在不断的进步，在此，某医药公司本着减少病痛患者的疼痛研制了一种新的止痛药，现通过医药实验来预测其疗效。本模型根据病人用药的剂量、性别和血压组别，预测出服药后病痛明显减轻的时间假设用药剂量、性别和血压组别与病痛减轻时间之间具有线性关系，我们建立了模型，首先，将药量分为四组，求其每组用药量的平均值，利用Minitab工具，画出散点图。再通过散点图分析，得到了病痛减轻时间和平均用药量的数学模型。结果偏差较大，说明不是单纯的线性关系。结合数据，进行回归分析检验，发现用药剂量对病痛减轻时间不明显。此模型中存在问题，需要优化，因此，我们提出对模型的改进引入药剂量平方项。考虑不同性别的患者疼痛减轻时间与平均用药量的关系，不同性别的患者疼痛减轻时间与平均用药量和平均血压共同作用的关系，不同性别的患者疼痛减轻时间与平均用药量和不同性别的共同作用的关系。经过回归分析检验，发现改进后的数学模型相较以前的模型更加优化，更加接近实际。由于不同性别的的患者疼痛减轻时间不一样，所以男性女性的数学模型不一致，因此要分别讨论。对模型进行改进，进行回归分析后，女性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型Y=31.8-3.49x1+56.1x3-9.32x1x3+0.26x12男性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型：Y=32.8-4.02 x1 +0.955 x1x3 +0.427 x12关键词：病痛减轻时间 药剂量 性别问题提出一个医药公司的新药研究部门为了掌握一种新止痛剂的疗效，设计了一个药物试验，给患有同种疾病的病人使用这种新止痛剂的以下4个剂量中的某一个：2 g，5 g，7 g和10 g，并记录每个病人病痛明显减轻的时间（以分钟计）. 为了解新药的疗效与病人性别和血压有什么关系，试验过程中研究人员把病人按性别及血压的低、中、高三档平均分配来进行测试. 通过比较每个病人血压的历史数据，从低到高分成3组，分别记作0.25，0.50和0.75. 实验结束后，公司的记录结果见下表（性别以0表示女，1表示男）.请你为该公司建立一个数学模型，根据病人用药的剂量、性别和血压组别，预测出服药后病痛明显减轻的时间.病人序号病痛减轻时间／min用药剂量／g性别血压组别13520050355200255432107572650050928500.751029510.251122510.501229510.751319700.251411700.501514700.751623710.251720710.501822710.7519131000.252081000.502131000.7522271010.2523261010.502451010.75问题分析假设每个患该种病的程度相似，病情基本相同，根据现实，用药量与病痛减轻时间会有一定的关系，药用量越高，病痛减轻时间变得越快；病痛减轻的时间也会跟性别有关系，男性身体素质相对于女性来说比较强壮，身体素质越好，病痛减轻时间越快；另一方面，一个人的血压组别的高地也会影响到他的病痛减轻时间的快慢。由上图得：用药剂量（g）和血压组别的相关系数 = 0.000 P 值 = 1.000；由此可得，用药剂量与血压组别没有关系由上图得：用药剂量（g）和性别的相关系数 = 0.000 P 值 = 1.000；由此可得，用药剂量与性别没有关系上三图为病痛减轻时间（min）与血压组别，性别，用药剂量的散点图。符号定义1、Y为病痛减轻时间量，单位（min）； 2、x1表示用药剂量 单位（g）； 3、x2表示性别 ； 4、x3 表示血压组别； 5、 S 表示标准差； 6、 R-Sq 表示线性拟合度。模型建立假设：病痛减轻时间只与用药剂量、性别和血压组别有关,不受其他因素的影响，由以上散点图得假设模型：病痛减轻时间残差图：可以看出残差对用药剂量是正常的、残差对性别是正常的、残差对血压组别正常的。由图分析得：用药剂量和血压组别的乘积表示对病痛减轻时间的交互式影响，性别对病疼减轻时间有显著影响，因此可以对男性和女性分开讨论，得到如下模型：对女性进行分析：回归分析 : 病痛减轻时间（m i n）与用药剂量（g）,血 压 组别,用药剂量及血压组别回归方程为病痛减轻时间（ m i n） = 23. 1 + 0. 040用药剂量（g）+ 59.4血压组别 - 10.2用药剂量及血压组别交叉项即 Y=23.1+0.040x1+59.4x3-10.2x1x3自变量系数 系数标准误 T P 常量