肾病诊断数学模型.docVIP

肾炎诊断的数学模型 摘要 本文研究的是通过人体内各种元素含量来判断就诊人员是否患有肾炎的问题。首先我们将收集的数据分为两组进行抽样调查，其中肾炎患者视为实验组，正常人视对照组，运用软件对数据进行处理，建立判别模型。 对于问题一、二：分析相关数据，运用判别法建立判别模型。对数据运用软件进行判别处理，得到相应的判别函数和判别函数的监界值，通过马氏判别法对模型有效性检验，数据正则相关性达到0.811，判断正确度达90%。然后运用模型一中的判别函数将表二中数据代入得到30个就诊人员中正常人11名，肾炎患者19名。 对于问题三、四：通过实验组与对照组中各相同元素的对比及相关分析，剔除一些对诊断结果影响不大的元素，重新运用判别法及软件建立新的优化判别模型。通过马氏判别法对模型有效性检验，数据正则相关性达到0.708，判断正确度达90%。然后运用模型一中的判别函数将表二中数据代入得到30个就诊人员中正常人10名，肾炎患者20名。 对于问题五：对二、四问结果作进一步分析，所判断的结果基本相同。这说明所给的元素指标中有些对总体判断不大，属于小因素。相比之下剔除后判别更有说服性，确定了Zn、Fe、Ca、Mg为判别肾炎的重要指标。 关键字：fisher判别法；多元统计分析；马氏距离检验； 问题重述 1.1问题的简单提要： 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