關于肾炎判别的研究专业论文.docVIP

2011数模培训练习一 组员：曹绍军 刘强 刘小双关于肾炎判别的研究 摘要 本文利用0—1拟合和Fisher判别分析，根据人体内各种关键元素的含量，对就诊人员是否患有肾炎做出合理的判断。 针对问题一，为得到拟合优度较高的模型，本文把样本容量确定为25。首先令1为健康，0为患病进行0—1拟合，得出判别表达式。然后和1、0比较，若接近于1，则表示健康；接近于0，表示患有肾炎。为保证结果的可靠性，本文又引入了Fisher判别分析借助于SPSS软件对检测人员进行诊断判别。接着，利用剩余5个数据对两种方法所得结果进行检验，结果较为准确，但具体到所算出的因变量的值，与临界值很接近，故考虑对7个因素中偏离均值最大的值进行剔除。进而利用有效数据对判别表达式参数进行修正。最后，对待诊断的30个病例中各元素的含量代入，检验出61、62、63、64、65、68、69、70、71、72、73、76、83、85、87号为患者，66、67、74、75、77、78、79、80、81、82、84、86、88、89、90号为健康人（加粗表示Fisher判别得到了相反结果的人员）。 针对问题二，考虑到有些因素对其是否为患者的影响不大，通过多元向后筛选法选出了影响肾炎的关键因素，进一步通过Fisher判别分析对待检测人员进行诊断，同样用5个数据对所得结果进行检验，结果拟合度高，对待检测者进行诊断，检测出61、62、63、64、65、66、67、68、69、71、72、73、76、79、83、85、87号为患者，70、74、75、77、78、80、81、82、84、86、88、89、90为健康人（加粗表示与问题一结果相反）。问题一与问题二中的结果非常接近，可以认为，人体内各种元素的含量对身体是否健康都会存在一定的影响，只是有些元素的含量对一些疾病的影响较小。 关键词：0—1拟合 Fisher判别分析 数据剔除 多元逐步分析 问题重述 人们到医院就诊时，通常要化验一些指标来协助医生的诊断。诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。本题给出确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确定为健康人的结果。表B.2是就诊人员的化验结果。 问题一：根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性。按照建立的模型判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人。 问题二：根据表B.1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，以便减少化验的指标。根据关键因素，对他（她）们是否为肾炎病人进行分析，并对问题一、二结果作进一步的分析。其中表B.1、表B.2见附录。 问题分析 本题是根据医院化验指标，判断诊断人员是否患肾炎的问题，问题一利用0-1拟合与Fisher判别分析方法进行判别。首先通过样本得出相应表达式，又利用剩余数据对其进行检验。通过检验结果与真实情况进行比较，若判别方法准确率低，则舍弃。若两种方法都比较准确，则应具体到所算出的因变量的值，与临界值进行比较，若过于接近，则说明根据数据所得参数存在一定的偏差，所给数据并不是真实可信的，可能在化验过程中可能出现错误，否则，所给数据准确。数据处理框图如下图所示。 针对问题二，利用多元变量向后筛选对七个变量进行筛选，重新利用Fisher判别分析，通过筛选后的数据得到模型，并将待测数据代入，对其进行判断。 对问题一、二进行比较分析，判断去掉非关键因素对判别结果是否有影响，能否只检查其中的部分元素来判别病例，若影响不大，医生在诊断时，就不用全部化验那些指标，不仅可以减少工作量，而且工作效率也会得以提高。 图2-1 数据处理框图 模型假设 假设问题中所提供的已确诊的60个病例，是从许多确诊的病例中随机抽取的，没有特殊的情况，属于一般规律。 假设是否患有肾炎只与题目中所给元素的含量有关，与人体内其他的元素的含量无关。 假设各元素的含量对人体是否患有肾炎的影响是相互独立的。 假设题目中所给的样本只患肾炎或者是健康体，没有患其他的疾病。 符号说明 依次分别表示人体内元素Zn、Cu、Fe、Ca、Na、K、Mg的含量 修正前因变量 患者样本因变量均值 患者健康人样本因变量均值 患者样本容量。 健康人样本容量。 修正后因变量 判断临界值（阈值） 逐步剔除分析的回归方程 判别分析修正后的判别表达式 模型一建立与求解 问题一： 数据分类 根据题意可将数据分为两大类。表B.1是确诊病例的化验结果的数据，表B.2是就诊人员的化验结果。根据题意对B.1中数据进行分析得出相应的结果，然后对B.2中数据进行