建模论文-血样的分组检验课件.docVIP

数学建模课程论文 题目：血样的分组检验 1．姓名： 学号： 2．姓名： 学号： 3．姓名： 学号： 血样的分组检验 摘要 本文主要为了解决减少血样检验次数这个实际问题,, 将人群分成组,每组的人数为,将每组的份血样混在一起进行化验, 若化验结果呈阳性,则需要对该组的每个人重新进行化验, 以确定谁是病毒感染者;若化验结果呈阴性, 则表明该组全体成员均为阴性,不需要重新化验。通过把人群分为若干组,每组若干人,易得到混合血样检验次数,阳性组的概率,进而引入阳性组数的平均值,从而得到平均总检验次数,最后通过一个人的平均检验次数的一元函数,把问题归结为一个关于每组人数的一元函数 ,求解得;通过计算,当时不应分组;将第1次检验的每个阳性组再次分组,建立一个关于,的二元函数,通过求导得稳定点函数1问题提出 在一个很大的人群中通过血样检验普查某种疾病，假定血液为阳性的先验概率为（通常很小）。为减少检验次数，将人群分组，一组人的血样混合在一起化验。当某组混合血样呈阴性时，既可不检验判定该组每个人的血样都为阴性；而当某组的混合血样呈阳性时，即可判定该组至少有一人血样为阳性，于是需要对这组的每个人再做检验。 当固定时（如0.01%，…，0.1%，…，1%，…多大时不应分组检验。 当固定时如何进行二次分组（即把混合血样为阳性的组在分成小组检验，重复一次分组时的程序）。 讨论其他分组方式，如二分法（人群一分为二，阳性组一分为二，继续下去），三分法等。 2基本假设 结合本问题的实际情况，对该模型作出如下合理的假设： 1.人群数量总数为人,是确定的； 2.假设在血样检验之前，确定的已知先验阳性的概率是确定的常数； 3.每个人检验一次是否阳性的概率相互独立，即每个人接受检验是互相独立事件，互不影响； 4.每次分组时都能达到平均分配，能分成组，即，为正整数。 3符号说明 ：检验人群总数 ：阳性的先验概率 ：被分成的组数 ：每组人数 ：第二次分组的组数 ：第二次分组每组人数 ：第一次分组每人的化验次数 ：第二次分组每人的化验次数 : 在二次分组检验模型中，第一次分组时，小组为阳性的概率 : 在二次分组检验模型中，第二次分组时，小组为阳性的概率 ：第一次分组的平均每个人化验次数的数学期望 ：第二次分组平均每个人化验次数的数学期望 4问题分析 4.1问题一分析 人群总数为，分组，每组人数。阳性的先验概率为 p。如果不分组，则每个人需要化验1次。如果分组，当某组化验结果是阴性，则不需要再进行化验，该组平均每个人的化验次数为，概率为；当某组化验结果是阳性时，则需要对该组每个人进行化验，该组平均每个人的化验次数为，概率为，因此，需要分组的条件是第一次分组化验次数的数学期望小于1。要求化验次数的数学期望的最小值，就是要求在满足数学期望小于1的情况下的每组人数。 4.2问题二分析 不应分组的条件就是要求阳性的先验概率多大时，使得分组后平均每个人化验次数的数学期望大于不分组时平均每个人化验次数。 4.3问题三分析 问题三是在第一次分组化验的基础上再次分组化验的问题。对于第一次分组化验为阳性的组，重新分为组，每组人。以二次分组时每个人的平均检验次数为目标，建立非线性规划模型，取不同的，求出第一次分组的最佳分组人数和第二次分组的最佳分组人数。 4.4问题四分析 我们可以多次应用一次分组法对问题进行分析，找到了多次分组的求解方法。通过上述问题分析，我们得出：当值比较小得情况下，一次分分组比二次分组法效果好；多次分组法比二次分组法效果好。 5模型的建立与求解 利用概率统计知识建立数学概率模型，由期望值知道，如果不分组，每个人都参加检验，每个人平均需要检验一次；如果分组，分组后计算出每个人的平均检验次数小于1次，则认为分组比不分组好，需要分组，反之，则不需要分组。 在众多组合的分组中，比较哪一种分组计算出来的每个人的平均检验次数最小，平均检验次数最小的那种分组则认为这种分组时最优的分组方案。 5.1问题一模型建立与求解 5.1.1模型的建立 由问题一的分析得出一次分组每人的化验次数的分布规律为： 则一次分组每人的化验次数的数学期望为： 如何分组才能使每人化验次数最小，也就是求当阳性的先验概率固定时的每组人数为多少时，上式数学期望达到最小值，且必须小于1，其数学模型表达式为： 5.1.2模型求解 求解时，我们采用线性规划法求解。 当阳性的先验概率固定时，我们把看作自变量，那么数学期望就是一个关于的函数，记作： 由于在其定义区间上连续且可导，现在我们来求的最值，当的一阶导数等于0时，才可能取得最值。记的一阶导数为，的表达式