20xx年醫學專題—乳腺癌數據的處理-文庫吧在線文庫

　　

【正文】 所給數據太少以致在統計數據時不是很準確，又由于計算機模擬帶有一定的隨機性，以致得到模型的指標不是很讓人滿意。所以考慮去掉。殘差及其置信區間圖回歸統計Multiple RR SquareAdjusted R Square標準誤差觀測值54方差分析dfSSMSFSignificance F回歸分析9殘差44總計53Coefficients標準誤差t StatPvalueLower 95%Upper 95%下限 %上限 %InterceptX Variable 1X Variable 2X Variable 3X Variable 4X Variable 5X Variable 6X Variable 7X Variable 8X Variable 9求得各參數的線性回歸系數分別為：則多元線性回歸方程為： （7）對回歸方程進行顯著性的檢驗R檢驗法 （8）則 （9）R接近于1，說明線性回歸擬合效果顯著；檢驗法提出假設： 線性關系不顯著 線性關系顯著計算檢驗統計量： ， （11）代入數據得： 查分布表表知 因為非常接近1，同時遠大于，故拒絕，認為在顯著性水平下，與之間存在顯著的線性相關關系。因此我們選擇多元統計分析中利用 excel中的回歸工具建立回歸模型，計算出該線性方程的常量和系數，從而完成模型的初步建立。因此，我們先選取其中一部分數據進行研究，待建立模型后，將剩余的數據代入模型檢驗。假設2：假設表中給出化驗數據科學可信。對于問題二，將附錄表二中20組需要判別的病例的數據代入模型一中所得回歸方程中計算出的估計值，依據問題一的判別方法判別得出20個病例中第1，4，5，7，10，11，15，19組共8個病例是惡性腫瘤，余下12個病例是良性腫瘤。科技學院第十一組：劉晶晶 向雄峰 余 濤乳腺癌的判別數學模型摘要本文解決的問題是利用9項指標，綜合來判別乳腺腫瘤是良性還是惡性。對于問題三，回歸參數表中回歸系數的統計量的線性系數顯著性值，表征了該系數的顯著性水平，也表征了該項因素對于因變量判定的影響程度，我們通過對模型一進行逐步回歸分析，剔除模型中那些對因變量作用不顯著的自變量，得到最優化的線性回歸模型，那些保留下來的自變量，即是區分乳腺腫瘤是“良性”還是“惡性”的主要指標。確診病例確診情況（患病、健康）準確無誤。針對問題二，題目要求我們利用問題一中提出的方法，對表二中的20個待判別的病例進行判別。同時，我們也看到，在圖中的一些點的規律性并不明顯，因此我們猜測，可以在構建的方程中忽略一些因素的影響，這就為我們提出簡化模型提供了思路。模型的準確性檢驗將表一驗證樣本的值代入（7）式判別出18個樣本的病例情況：病歷號616263646566676869結果惡性良性惡性良性惡性惡性良性良性惡性病歷號707172737475767778結果良性惡性惡性良性良性良性良性良性良性根據題目中所給的已知信息，可以看出，我們運用所求的判別函數所檢驗的結果與實際情況幾乎不存在的誤差，也就是說運用一次線性模型判定的結果可信度很高。同理，將保留下來的項，再代入數據，求得，其中最小為對置信水平，查表得：。 對于第一問和第三問可以運用MATLAB軟件中的回歸分析命令和逐步回歸命令進行解答更為方便簡單。x3=[1 4 1 8 1 10 1 2 1 1 1 1 3 1 5 6 1 1 7 1 2 5 1 1 3 1 1 1 3 1 7 1 2 1 10 1 4 3 3 10 5 10 1 7 1 1 7 8 3 6 5 5 6 10 4 3 5 5 1 10]。 m=9。,x839。 7 1 2 6 7 1 5 1 1 5 3 1 1 1 4 1 1 4 3 1。for i=1:20 y=b*x(:,i)。 1 0 0 1 0 0 0 0 0。 endend fprintf(39。 ]。 fprintf(39。 F=44*u/。238。249。228。187。 S3=[ 。,3*(i1)+j,F)。210。211。214。179。 for i=1:3 for j=1:3 u=s2S4(i,j)。4206。238。196。234。)。 fprintf(39。205。214。,3*(i1)+j,F)。 S5=[ 。187。228。249。238。 if FF0 D(1,:)=[F]。\n39。177。181。207。 end end end fprintf(39。 11 ]。222。191。212。161。 fprintf(39。,S1S2)。eve=。,S1)。 1 0 1 0 0 1 1 1 1。i=%d y=%.4f\n39。 2 2 2 4 3 2 4 2 1 2 2 2 2 2 10 2 1 5 3 2。]。,x239。x5=[2 7 2 3 2 7 2 2 2 2 1 2 2 2 7 6 2 2 4