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
253 KB...
08 05 2026 0:49:15
Адаптация организма к гипоксии существенно повышает возможности животных сохранять функциональный статус в гипоксических условиях. Исследования метаболизма моноаминов в разных отделах мозга выявили функционально зависимый хаpaктер сдвигов. При этом уровень активности моноаминергических систем может быть фактором, лимитирующим реализацию адаптивных возможностей организма.
...
07 05 2026 0:23:34
Статья в формате PDF
98 KB...
06 05 2026 10:42:14
Статья в формате PDF
95 KB...
05 05 2026 6:17:54
Статья в формате PDF
116 KB...
04 05 2026 3:48:22
Статья в формате PDF
129 KB...
03 05 2026 14:27:27
Статья в формате PDF
284 KB...
02 05 2026 14:30:25
Основным механизмом теплообмена для капиллярно-пористых физических систем (типа легкого бетона) является контактная теплопроводность, которая осуществляется благодаря связанным между собой процессам: переходом тепла от частицы к частице через непосредственные контакты между ними и переходом тепла через разделяющую промежуточную среду. С термодинамической точки зрения теплообмен в легких бетонах представляет собой теплоперенос (поток тепла Q), а точнее перенос энтропии (S), под действием градиента температуры (Т), осуществляемый, в соответствии со вторым законом термодинамики, от мест с более высокой к местам с меньшей температурой. Термодинамическая идентичность коэффициента теплопроводности () и S позволила, на базе второго закона термодинамики, вывести общее уравнение для прогноза теплопроводности легкого бетона в условиях его эксплуатации. Установлено, что релаксация теплопроводности (τ) пропорциональна затуханию объемных деформаций бетона (Θ), вызванных температурным градиентом и уровнем напряжения (η). Экспериментальные исследования теплопроводности легкого бетона подтвердили затухающий хаpaктер изменения Δλ как функции времени (t) и деформативности.
...
01 05 2026 23:30:39
Статья в формате PDF 101 KB...
28 04 2026 4:32:29
Статья в формате PDF
99 KB...
27 04 2026 23:17:47
Статья в формате PDF
113 KB...
25 04 2026 11:32:25
Статья в формате PDF
115 KB...
24 04 2026 6:54:30
Статья в формате PDF
204 KB...
23 04 2026 10:28:26
Статья в формате PDF
181 KB...
22 04 2026 17:36:24
Статья в формате PDF
184 KB...
21 04 2026 12:40:29
Статья в формате PDF 256 KB...
20 04 2026 11:11:55
Статья в формате PDF
104 KB...
19 04 2026 23:21:25
Статья в формате PDF
280 KB...
18 04 2026 5:21:54
Статья в формате PDF
136 KB...
17 04 2026 1:16:59
Статья в формате PDF
102 KB...
16 04 2026 10:32:25
Статья в формате PDF
283 KB...
15 04 2026 11:22:27
Статья в формате PDF
128 KB...
14 04 2026 3:14:21
Статья в формате PDF
265 KB...
13 04 2026 5:29:19
Статья в формате PDF
95 KB...
12 04 2026 21:45:35
Статья в формате PDF
207 KB...
11 04 2026 6:14:31
Статья в формате PDF
131 KB...
10 04 2026 17:39:16
Статья в формате PDF
334 KB...
09 04 2026 2:23:10
Статья в формате PDF
121 KB...
08 04 2026 23:18:32
Статья в формате PDF
118 KB...
07 04 2026 16:44:34
Статья в формате PDF
251 KB...
06 04 2026 1:54:53
В центральных и периферических отделах нервной системы, осуществляющих регуляцию копулятивной функции самцов крыс, широко представлены нервные клетки, обладающие активностью NADPH-диафоразы. В переднем гипоталамусе они представлены нейронами двух типов (с высокой и низкой активностью), в боковых рогах тоpaколюмбального отдела спинного мозга – нейронами с высокой активностью фермента. Высокая активность NADPHдиафоразы выявлена также в вегетативных микроганглиях и нервных волокнах наружных и внутренних пoлoвых органов, а также – гладкомышечных элементах кавернозных тел. Активностью фермента в различной степени помимо вышеуказанных отделов обладают интерстициальные клетки семенников, эпителий концевых отделов и протоков простаты, семенных пузырьков, мочевыводящих путей. Под воздействием нeблагоприятных (острый и хронический стресс, острая и хроническая алкогольная и наркотическая интоксикация) отмечено увеличение числа NADPH-реактивных структур и активности фермента в них.
...
05 04 2026 4:14:42
Статья в формате PDF
135 KB...
04 04 2026 16:24:16
Статья в формате PDF
300 KB...
03 04 2026 18:16:22
Статья в формате PDF
235 KB...
02 04 2026 5:44:13
Статья в формате PDF
100 KB...
01 04 2026 21:39:56
Статья в формате PDF
161 KB...
31 03 2026 1:11:40
Статья в формате PDF
89 KB...
30 03 2026 17:36:20
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 ::
