[数学]化验结果处理的数学模型论文.doc

化验结果处理的数学模型 摘要 医学化验是协助医生诊断疾病的重要手段。在化验过程中，医院希望可以用简便的判别方法，通过尽量少的化验指标判别出就诊人员是否患病。本篇论文针对于化验结果的处理提出了Ca含量判别法和费希尔判别等判别法，并采用逐个剔除的方法来排除无关紧要的元素，从而减少化验指标，找出关键元素。 针对问题1和2，我们提出了马氏距离判别法、fisher判别法、偏离程度判别法和Ca含量判别法共四种方法。通过运用这四种方法分别计算1-60号病例的化验结果来检验其的正确率来进行筛选，算得四种方法的综合正确率分别为：88.33%，93.33%，90%和95%。所以最终决定采用准确率较高的Ca含量判别法和费希尔判别法来作为诊断就诊人员是否患有肾炎的最终方法。 针对问题3和4，通过对数据特征分析，提出了多元线性回归法和主成分分析模型法两种方法。前者利用偏离程度建立多元线性回归方程，通过F检验，最后求得的关键因素有：Cu Fe Mg K Na；后者通过建立主成分分析赋权模型，对数据进行标准化并确定相关系数矩阵，求出相关矩阵的特征值和特征向量，从而得到各种元素的权值，得出关键元素为：Cu Ca Mg K Na。 针对问题5，我们对前后作了进一步分析。将问题二、四的结果进行比较我们得知：以我们确定的关键元素Cu Ca Mg K Na为指标，得到问题四的结果，我们从被诊断为健康人的数据中发现了1组患肾炎的，而原被诊为患肾炎的数据数目没有发生改变。根据我们在诊断的过程中不会把患肾炎的诊断成健康人，从而进一步验证了我们选取的元素指标的正确性。 关键字：马氏距离判别法、fisher判别法、Ca含量判别法、偏离程度 MATLAB，Excel，SPSS，主成分分析 一．问题的提出 （一）问题的背景 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 问题的设置 本题中所给的表A1）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A 2）是就诊人员的化验结果。标准化的典型判别式函数系数 函数 1 Zn .061 Cu -1.205 Fe .372 Ca 1.165 Mg .524 K .052 Na -.350 分类函数系数 组别 1 2 Zn .097 .101 Cu .069 -.131 Fe -.001 .018 Ca .000 .003 Mg -.010 .001 K .001 .002 Na .011 .007 (常量) -10.259 -14.965 Fisher 的线性判别式函数 分类结果a 组别 预测组成员 1 2 合计 初始 计数 1 30 0 30 2 4 26 30 % 1 100.0 .0 100.0 2 13.3 86.7 100.0 a. 已对初始分组案例中的 93.3% 个进行了正确分类。 组统计量 组别 有效的 N（列表状态） 均值 标准差 未加权的 已加权的 1 Zn 143.103 53.6804 30 30.000 Cu 12.334 5.0526 30 30.000 Fe 23.067 13.7495 30 30.000 Ca 698.167 270.1956 30 30.000 Mg 113.393 46.8461 30 30.000 K 201.133 259.7826 30 30.000 Na 526.833 300.5837 30 30.000 2 Zn 186.600 29.6829 30 30.000 Cu 21.924 23.7549 30 30.000 Fe 62.012 75.7785 30 30.000 Ca 2511.133 1271.6045 30 30.000 Mg 295.137 177.5689 30 30.000 K 90.370 51.3181 30 30.000 Na 367.210 244.2430 30 30.000 合计 Zn 164.852 48.2748 60 60.000 Cu 17.129 17.7001 60 60.000 Fe 42.539 57.4548 60 60.000 Ca 1604.650 1290.8560 60 60.000 Mg 204.265 158.0330 60 60.000 K 145.752 193.8689 60 60.000 Na 447.022 283.2123 60 60.000 由表1-2-2、表1-2-3可以看出采用