Дискриминация, как средство моделирования трудоохранных метроприятий
1 ГБОУСПОРО «Ростовский базовый медицинский колледж» В работе рассматриваются приемы дискриминации признаков производственных травм с использованием модуля «Дискриминантный анализ» статистического софта «Statistica» v.6. Отражена простота анализа и получения выводов. Рекомендации могут быть реализованы специалистами, чей математический багаж не превышает базиса средней общеобразовательной школы. Статья в формате PDF 654 KB трудовой процессдискриминация травмы
Трудоохранные мероприятия в современных условиях не могут не базироваться на переработке достаточно плотного потока статистических данных. Без них невозможно прогнозировать ситуацию, стоить стратегию улучшения условий труда. В череде этих проблем самая существенная – классифицирование производственных травм, профессиональных заболеваний и отравлений при формировании динамического ряда. Лет 15–20 назад такая работа требовала привлечения труда профессионалов-программистов, занимала много времени на обработку и анализ полученных результатов. Современные статистические софты в значительной мере облегчили эту работу специалистам трудоохранных служб, поскольку подоплека их интуитивно понятна даже человеку с математическим базисом на уровне 10–11 классов средней общеобразовательной школы.
Материалы и методы исследования
Дискриминантный анализ, применение которого мы демонстрируем в данном сообщении – достаточно сложный раздел математической статистики. И, тем не менее, с помощью модуля «Дискриминантный анализ» из американского статистического софта «Statistica» v.6 мы хотели бы показать насколько просто провести процесс дискриминации. Примером в данном сообщении служит классификация производственных травм по тяжести.
Результаты исследований и их обсуждение
Данная выборка включает 11 единиц наблюдений, отобранных случайным образом из совокупности в 100 единиц. Травмы будем классифицировать, опираясь на следующие дискриминационные признаки: количество дней нетрудоспособности работника из-за одной травмы, число травм, случившихся у него в течение года, расходы на лечение в тыс. руб. (в расчете на одну травм), индекс травмирования, то есть отношение числа травм к числу дней нетрудоспособности, табл. 1. Подразумевается, что программа «Statistica» v.6. уже установлена, поэтому обходим процедуру её инсталляции на жесткий диск компьютера.
На верхней панели окна щелкаем левой кнопкой «мыши» на слове Анализ, отыскиваем Многомерный разведочный анализ, в нем – Дискриминантный анализ (рис. 1).
Во вкладке Быстрый выбираем Дополнительные параметры (пошаговый анализ). После нажатия на кнопку Переменные отобразится стандартное диалоговое окно Выбор переменных (его мы не показываем) (рис. 2). В этом окне укажем группирующую переменную и независимые переменные, которые должны быть использованы для дискриминации типа травм. В нашем случае группирующим признаком будет тяжесть травмы.
Нажимаем кнопку ОК, и переходим к следующему этапу: Результаты.., рис. 3. Просмотр результатов дискриминантного анализа, и классификация наблюдений начинаются с верхней части. В белом прямоугольнике, представлены значения самого существенного показателя дискриминации – лямбды Уилкса, пределы её изменений: 0–1. В нашем случае значение лямбды достаточно мало – 0,0026 (Суть в том, что, если это значение близко к нулю, то дискриминация прошла успешно, если же близко к единице, то дискриминация сомнительна) (рис. 3). Помимо этого, полученный в опыте, своеобразный показатель достоверности вывода, критерий Фишера «F» также высок – 23,2, почти в три раза перекрывает свое стандартное значение – 8,10 (в скобках).
Таблица 1
Классификация травм
|
№ п/п |
Var1 Дни |
Var2 Случаи |
Var3 Стоимость лечения |
Var4 случаи/дни |
Var5 Тяжесть травмы |
|
1 |
50 |
3 |
1,2 |
0,06 |
Легкая |
|
2 |
50 |
3 |
1,4 |
0,06 |
Легкая |
|
3 |
64 |
2 |
5,6 |
0,05 |
Средней тяжести |
|
4 |
65 |
2 |
4,8 |
0,05 |
Тяжелая |
|
5 |
67 |
3 |
5,6 |
0,04 |
Средней тяжести |
|
6 |
63 |
3 |
5,7 |
0,05 |
Средней тяжести |
|
7 |
46 |
4 |
1,4 |
0,06 |
Легкая |
|
8 |
69 |
3 |
5,1 |
0,04 |
Средней тяжести |
|
9 |
62 |
2 |
4,5 |
0,03 |
Тяжелая |
|
10 |
59 |
3 |
4,8 |
0,05 |
Тяжелая |
|
11 |
45 |
4 |
1,3 |
0,08 |
Легкая |
Многомерный разведочный анализ Дискриминантный анализ
Рис. 1. Окно Анализ программы «Statistica» v.6
Рис. 2. Окно Дискриминантный анализ программы «Statistica» v.6
Рис. 3. Окно Результаты анализа
Для подтверждения и закрепления факта дискриминации определим еще несколько показателей. На первом месте – Расстояние Махаланобиса, которое является мерой близости отдельно взятых наблюдений и центром каждой совокупности, из включенных в процесс дискриминации. Чем ближе наблюдение к центроиду конкретной совокупности, тем в большей степени можно быть уверенным, что наблюдение извлечено именно из неё. Расстояние Махаланобиса может быть рассчитано при нажатии на кнопку Квадраты расстояния Махаланобиса во вкладке Классификация. Дифференциация случаев травмирования по этому признаку отражена в табл. 3 (цветом выделены статистически значимые показатели).
Кроме Расстояния Махаланобиса можно вычислить еще и условную (или апостериорную) вероятность принадлежности наблюдения к определенной совокупности. Её условность в том, что она зависит от знания исследователем значений переменных в модели. Этот показатель получают, нажав на кнопку Апостериорные вероятности. В данном примере точность классификации очень высока, даже с учетом того, что это апостериорная классификация. К слову сказать, такая точность редко достигается и редко, когда нужна.
Таблица 2
Квадраты расстояний Махаланобиса
|
Квадраты расстояний Махаланобиса (Таблица данных 1) |
||||
|
№ п/п |
Тяжесть травмы |
Легкая |
Средней тяжести |
Тяжелая |
|
1 |
Легкая |
1,118 |
1011,483 |
688,3675 |
|
2 |
Легкая |
3,017 |
929,539 |
620,7845 |
|
3 |
Средней тяжести |
1042,041 |
0,971 |
36,0575 |
|
4 |
Тяжелая |
741,390 |
23,638 |
4,0505 |
|
5 |
Средней тяжести |
1048,528 |
3,473 |
43,2491 |
|
6 |
Средней тяжести |
1073,374 |
2,437 |
41,9351 |
|
7 |
Легкая |
3,473 |
1048,528 |
721,5672 |
|
8 |
Средней тяжести |
934,432 |
4,560 |
21,1041 |
|
9 |
Тяжелая |
678,040 |
45,932 |
3,5372 |
|
10 |
Тяжелая |
682,858 |
37,428 |
1,2326 |
|
11 |
Легкая |
4,130 |
1109,123 |
772,3102 |
Для проверки работоспособности представленной модели с учетом вероятностей в исходную табл. 1 введем переменные под № 12, 13, 14 с их значениями, табл. 3
Таблица 3
Проверка работоспособности методики анализа
|
№ п/п |
Var1 Дни |
Var2 Случаи |
Var3 Стоимость |
Var4 Случаи/дни |
Var5 Тяжесть травмы |
|
1 |
50 |
3 |
1,2 |
0,06 |
Легкая |
|
2 |
50 |
3 |
1,4 |
0,06 |
Легкая |
|
3 |
64 |
2 |
5,6 |
0,05 |
Средней тяжести |
|
4 |
65 |
2 |
4,8 |
0,05 |
Тяжелая |
|
5 |
67 |
3 |
5,6 |
0,04 |
Средней тяжести |
|
6 |
63 |
3 |
5,7 |
0,05 |
Средней тяжести |
|
7 |
46 |
4 |
1,4 |
0,06 |
Легкая |
|
8 |
69 |
3 |
5,1 |
0,04 |
Средней тяжести |
|
9 |
62 |
2 |
4,5 |
0,03 |
Тяжелая |
|
10 |
59 |
3 |
4,8 |
0,05 |
Тяжелая |
|
11 |
45 |
4 |
1,3 |
0,08 |
Легкая |
|
12 |
44 |
4 |
1 |
0,09 |
|
|
13 |
43 |
5 |
1,1 |
0,13 |
|
|
14 |
67 |
2 |
6 |
0,03 |
При повторении анализа машина мгновенно классифицирует травмы по тяжести, отнеся 12 и 13 случаи к легким, а 14 – к среднетяжелым травмам, табл. 4. Примечательно, что классификация наблюдений по вероятностным признакам оказалась гораздо показательней расчета квадратов Расстояний Махаланобиса: дифференциация в данном случае равна 1,0 или 100 %.
Таблица 4
Апостериорные вероятности травмирования
|
Апостериорные вероятности |
||||
|
№ п/п |
Тяжесть травмы |
Легкая |
Тяжелая |
Средней тяжести |
|
1 |
Легкая |
1,000000 |
0,000000 |
0,000000 |
|
2 |
Легкая |
1,000000 |
0,000000 |
0,000000 |
|
3 |
Средней тяжести |
0,000000 |
0,000000 |
1,000000 |
|
4 |
Тяжелая |
0,000000 |
0,999996 |
0,000004 |
|
5 |
Средней тяжести |
0,000000 |
0,000000 |
1,000000 |
|
6 |
Средней тяжести |
0,000000 |
0,000000 |
1,000000 |
|
7 |
Легкая |
1,000000 |
0,000000 |
0,000000 |
|
8 |
Средней тяжести |
0,000000 |
0,000001 |
0,999999 |
|
9 |
Тяжелая |
0,000000 |
1,000000 |
0,000000 |
|
10 |
Тяжелая |
0,000000 |
1,000000 |
0,000000 |
|
11 |
Легкая |
1,000000 |
0,000000 |
0,000000 |
|
12 |
--- |
1,000000 |
0,000000 |
0,000000 |
|
13 |
--- |
1,000000 |
0,000000 |
0,000000 |
|
14 |
--- |
0,000000 |
0,000000 |
1,000000 |
Выводы
Хотя данный пример нами сознательно упрощен, тем не менее, хорошо иллюстрирует основную идею дискриминации. Для «перестраховки» в ответственных случаях следует проводить дискриминацию в два этапа: сначала построить функции классификации и только потом проводить оценку их качества.
При использовании данного вида анализа необходимо учитывать несколько ограничений: нормальность и линейность эмпирического распределения, однородность дисперсий и ковариаций сравниваемых совокупностей. Однако, как показала наша пpaктика, методика достаточно «терпима» к отклонениям от этих условностей.
Статья в формате PDF
115 KB...
27 09 2026 10:17:16
Статья в формате PDF
491 KB...
26 09 2026 12:24:32
Работа посвящена методике расчетов электромеханического привода мешалки, установленной вертикально в аппарате для выщелачивания ёмкостью около 500 м3. Определены геометрические параметры вала и лопастей мешалки. Показана зависимость между скоростью вращения вала мешалки и мощностью. Установлены величины минимальной и рабочей частоты вращения для поддержания твердой фазы пульпы во взвешенном состоянии и пусковой момент двигателя привода мешалки.
...
25 09 2026 21:33:29
Статья в формате PDF
125 KB...
24 09 2026 13:24:10
Статья в формате PDF
134 KB...
23 09 2026 5:23:51
Статья в формате PDF
107 KB...
22 09 2026 2:57:38
Статья в формате PDF
104 KB...
21 09 2026 6:16:41
Статья в формате PDF
87 KB...
19 09 2026 12:13:21
Статья в формате PDF
98 KB...
18 09 2026 3:43:56
Статья в формате PDF
221 KB...
17 09 2026 0:57:23
На здоровье населения особое влияние оказывают экологические, гигиенические, социально-медицинские причины. В работе была реализована специально созданные социологические карты. Результаты социологического исследования показали, что к причинам, сильно влияющим на здоровье мигрантов-репатриантов относятся экологически нeблагоприятные условия окружающей среды. Заболеваемость мигрантов-репатриантов, проживающих в высокой степени опасности экологически наблагоприятных районах достигает от 2227,9 до 3010,9 ‰. Этот показатель указывает на значительное повышение показателей мигрантов, проживающих районах, где экологическая обстановка средняя, низкая и неопасная .Между загрязнением атмосферного воздуха и почвы и патологиями иммунной системы, минерализацией воды и заболеваниями мочепoлoвoй системы, загрязнением атмосферного воздуха и патологиями дыхательных путей есть прямая и в высокой степени связь.
...
16 09 2026 6:21:40
Статья в формате PDF
275 KB...
15 09 2026 1:29:21
Рассмотрены проекты, связанные с инновациями. Определены понятия: «проект, содержащий инновацию», «проекты, связанные с инновациями», «проект, вовлекающий инновации». Дана концептуальная схема взаимосвязи проектов, связанных с инновациями. Приведены примеры различных проектов. Показаны различные виды технологических и информационных потоков в комплексе проектов, связанных с инновациями Введено понятие, «среды развития инновации». Рассмотрен пример трaнcпортной инфраструктуры как среды развития инноваций. Определены условия, при которых может возникнуть открытый инновационный проект. Дается схема мониторинга результата инновации. Показано различие между полем отношений и полем взаимодействия среды с результатом инновации. Показано, что комплекс проектов является взаимосвязанным. Поэтому при реализации системы управления инновациями этот комплекс должен быть принят за основу такой системы
...
13 09 2026 15:22:25
Статья в формате PDF
119 KB...
12 09 2026 10:17:29
Статья в формате PDF
138 KB...
11 09 2026 1:17:24
Статья в формате PDF
203 KB...
10 09 2026 18:40:50
Статья в формате PDF
119 KB...
09 09 2026 13:18:11
Статья в формате PDF
228 KB...
08 09 2026 15:52:32
Статья в формате PDF
97 KB...
07 09 2026 1:43:55
Статья в формате PDF
136 KB...
06 09 2026 13:54:27
Статья в формате PDF
129 KB...
05 09 2026 8:17:48
Статья в формате PDF
125 KB...
04 09 2026 12:18:54
Статья в формате PDF
99 KB...
03 09 2026 20:16:10
Приведены результаты научных исследований сохранения и улучшения экологического состояния агроландшафтов Казахстана. Проведены экспериментальные работы с учетом дифференциации зональных систем земледелия. Исследования показали, что оценка в эрозионных агроландшафтах адаптивности основной обработки богарных светло-каштановых почв на уровне мезо – и микроландшафтных условий, вспашка более эффективна в северных и восточных экспозиций склонов, где плотность пахотного слоя была в среднем за вегетацию зерновых культур в основном на 0,02–0,04 г/см3 меньше по сравнению с плоскорезной обработкой. На склонах южной и западной экспозиций наоборот плоскорезная обработка способствовала снижению уплотненности почвы, на 0,03–0,05 г/см3 и повышению ее противоэрозионной устойчивости в 1,2–1,5 раза. На склонах северной и восточной экспозиции вспашка обеспечивает более эффективную борьбу с сорняками, а плоскорезная – на южных и западных склонах более высокое и равномерное накопление снега и рациональное использование влаги. Важнейшим звеном улучшения экологии почв является оптимизация севооборотов. В статье предлагается построить севооборот по количеству оставляемого в почве органического вещества, каждым предшественником. Для совершенствования севооборотов рекомендуется сидерация, уплотненные посевы, размещение многолетних и однолетних трав, применения органических удобрений и др.
...
02 09 2026 16:56:11
Статья в формате PDF
290 KB...
31 08 2026 4:36:28
Статья в формате PDF
244 KB...
30 08 2026 21:53:47
Статья в формате PDF
132 KB...
29 08 2026 12:30:24
Статья в формате PDF
113 KB...
28 08 2026 5:57:43
Статья в формате PDF
143 KB...
27 08 2026 11:27:15
Статья в формате PDF
278 KB...
26 08 2026 21:17:28
Статья в формате PDF
82 KB...
24 08 2026 18:57:43
Статья в формате PDF
109 KB...
23 08 2026 6:23:11
Статья в формате PDF
95 KB...
21 08 2026 7:28:26
Статья в формате PDF
329 KB...
20 08 2026 16:44:58
Статья в формате PDF
225 KB...
19 08 2026 19:43:26
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
