对于第三次个人赛论文肾病检验.docVIP

　　对于第三次个人赛论文肾病检验 对于第三次个人赛论文肾病检验 导读：第三次个人赛论文肾病检验 化验检查诊断问题 摘要 125 本文研究的是如何通过人体内各种元素含量来判断是否患有肾炎。 对于问题一，通过查阅相关文献，我们找到了常用的判别分析方法有：Bayes判别、Fisher判别、距离判别。而Bayes判别的数据必须满足多元正态分布，而后两者不需满足此条件。 我们先利用spss软件对表B.1中原始数据进行了多元正态检验，得出8种元素的显著性水平均小于0.05，拒绝接受正态分布的原假设，因此不能使用Bayes判别。接着，我们以 F30人中有 Na和在0.71Ca作为Zn 利用 1 一． 问题的提出与重述 1.1问题的提出 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。使用一种恰当的判别方法，判别前来诊断的人员属于患者或健康人的方法则成为至关重要的问题。 1.2问题的重述 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。表B.1是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。 （1）根据表B.1或健康人的方法，并检验我们提出方法的正确性。 （2）按照1中我们给出的方法，名就诊人 （3）根据表B.1以便减少化验的指标。 （4）我们根据3的结果，重复2 Bayes判别、Fisher判别、距离判别，而Bayesspss软件对表 B.10.05，拒绝接B.1中的数据为训练样本作为检验集，用FisherFisher判别的回待误判率和交叉误判率分别是；马氏距离判别的回待误判率和交叉误判率分别是11.7%、11.7% Fisher判别比马氏距离判别的准确性更高，Fisher判别求出了30个就诊人员的重心（即F30位就诊人员进行判别，得出30人中有15 采用B.2的数据进行判别，得出结论为：15人未患病和15人患病。 7个指标进行了相关性的分析，得出：Na和KCa、Cu和Mg之间的两两相关也非常密切，且相关系数均在0.71标Ca作为这三个指标的综合指标，K作为Na和K的综合指标。这样，我们得到优化后的指标为Zn、Fe、Ca、K。 对于问题四，我们结合问三以优化后的4个指标Zn、Fe、Ca、K作为检验指标，利用Fisher判别重新对B.2表中的就诊人员进行判别，并将得出的数据于原始指标下的判别数据相比，得出：出现5个误判，其中4人没病被误判成有病，1人有病被误判成 5没病，总的误判率为p??100%=16.7%.优化后的指标虽然大大缩减了化验工作但在30 一定程度上增加了误判的概率。 最后我们对模型进一步的做了检验，提出了改进方案和模型推广 2 三．模型假设 （1）每个病人的化验结果是相互独立的； （2）化验结果的 3 4 对于第三次个人赛论文肾病检验 导读：第三次个人赛论文肾病检验数据都是有效的，不存在异常值； （3）在检验过程中的误判不存在偶然误差 （4）未患病的就诊人员体内的指标元素含量正常； 四．变量与符号说明 p1：回代误判率； p2：交叉误判率； 马氏 3 结果分析：表1显示了8种元素的水平正态检验结果。Kolmogorov-Smirnov和Shapiro-和Y1,Y2,?,Yn是分别来自G1，G2的训 G1 G2中 表中的特征根为?1?2.112，该函数的判别能力为100%，判别函数与组间 0.850（典型相关系数），所以该判别函数很好的解释了个变量间的关系 。 由此得到的判别式为： 6 F??1.647?0.001x1?0.007x2?0.007x3?0.001x4?0.004x5?0x6?0.001x7 同时我们还得到两组的中心：第1组：-1.429 ；第二组：1.429 表4回代正确率率和交叉的正确率 5.2.3 马氏距离判别法 5.2.3.1类间距离的定义 类间距离是基于点间距离定义的：比如两类之间最近点之间的距离可以作为这两类之间的距离，也可以用两类中最远点之间的距离作为这两类之间的距离；当然也可以用各类的中心之间的距离来作 3 4 对于第三次个人赛论文肾病检验 导读：第三次个人赛论文肾病检验为类间距离。在计算时，各种点间距离和类间距离的选择是通过统计软件的选项实现的。不同的选择的结果会不同，但一般不会差太多。 常用的距离判别法有：欧氏距离、Minkoatlab软件导入B.1中的数据，依据协方差矩阵得不相等的条件进行编程得出数据： 回代误判率为11.7%，交叉误判率为11.7%. 综合分析：从以上结论我们可以看得出：Bayes不能用于分析此问题