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
111 KB...
29 03 2026 6:54:23
Одной из наиболее актуальных проблем современности является проблема обеспечения населения качественной питьевой водой. Для решения проблемы деффицита воды Прикаспийского региона в 1989 году был построен водовод «Астpaxaнь-Мангышлак», общей протяженностью 1041 км который берет свое начало из протоки Кигач, расположенной в дельте р. Волга. Биотестирование на дафниях в исходной воде и в воде, трaнcпортируемой по водоводу показало, что процент погибших дафний по сравнению с контролем составляет в зимний период 14%, а в весенний – 20%. В летний период процент погибших дафний явлется наиболее выским – 31,8% и к осени этот показатель снижается до 23,8%. Эти значения меньше 50%, то есть в соответствии с п.3.1.5 РД – 118-02-90 тестируемая вода не оказывает острого токсического действия на дафний.
...
28 03 2026 1:51:15
Статья в формате PDF
133 KB...
26 03 2026 7:25:50
Статья в формате PDF
293 KB...
25 03 2026 7:40:39
Статья в формате PDF
96 KB...
24 03 2026 3:30:17
Статья в формате PDF
339 KB...
23 03 2026 1:13:11
За 2011 год в Республиканском Центре здоровья для детей г. Чебоксары проведено обследование условно здоровых детей и подростков в возрасте 5–17 лет с помощью биоимпедансного анализатора состава тела АВС-01 «МЕДАСС» (n = 2419). Целью исследования работы явились оценка хаpaктера направленности питания, уровня физической подготовленности, физического развития. Были проанализированы следующие показатели: жировая масса (ЖМ), активно-клеточная масса (АКМ), доля активно-клеточной массы (доля АКМ), скелетно-мышечная масса (СММ). Выявленные нарушения в виде избытка ЖМ у 39,0 % обследованных свидетельствуют о риске развития ожирения, снижение белкового компонента питания у 28,5 % и уровня двигательной активности у 21,0 % обследованных свидетельствуют о нерациональности питания и риске развития хронических неинфекционных заболеваний, снижения репродуктивной функции.
...
22 03 2026 14:11:25
Статья в формате PDF
210 KB...
21 03 2026 6:19:50
Статья в формате PDF
251 KB...
20 03 2026 19:44:32
Статья в формате PDF
728 KB...
19 03 2026 9:34:43
Статья в формате PDF
102 KB...
16 03 2026 12:52:28
Статья в формате PDF
112 KB...
14 03 2026 7:28:26
Статья в формате PDF
195 KB...
13 03 2026 20:36:58
Статья в формате PDF
206 KB...
12 03 2026 1:48:27
Статья в формате PDF
105 KB...
11 03 2026 3:45:30
Статья в формате PDF
116 KB...
10 03 2026 8:23:59
Статья в формате PDF
249 KB...
09 03 2026 12:52:16
Статья в формате PDF
286 KB...
07 03 2026 21:55:48
Статья в формате PDF
94 KB...
06 03 2026 1:55:59
Статья в формате PDF
148 KB...
05 03 2026 19:55:28
Статья в формате PDF
320 KB...
02 03 2026 4:26:45
Статья в формате PDF
110 KB...
01 03 2026 7:25:43
Статья в формате PDF
117 KB...
28 02 2026 16:15:59
Статья в формате PDF
274 KB...
27 02 2026 14:44:34
Статья в формате PDF
92 KB...
26 02 2026 11:33:35
В работе впервые приведены сведения об ассоциации полиморфного ДНК – локуса NcoI гена DRD2 и уровней дофамина с повышенной тревожностью у крыс с генотипом А2/А2 по локусу TAG 1A DRD2.
...
25 02 2026 8:22:40
Статья в формате PDF
102 KB...
24 02 2026 10:57:17
На материале 769 клинических наблюдений проведен анализ причин возникновения острого панкреатита после эндоскопической папиллотомии. Установлено, что основой их развития является прямое повреждение главного протока поджелудочной железы. Разработаны способы профилактики постманипуляционных панкреатитов.
...
23 02 2026 20:21:19
Статья в формате PDF
268 KB...
22 02 2026 14:29:38
В работе изучено противоболевое действие аспирина, ацетилсалицилатов кобальта и цинка в сверхмалых дозах (40·10–8, 40·10–10, 40·10–13 мг/кг). Все тестируемые соединения оказывали аналгетический эффект, наибольший – обнаружен при действии ацетилсалицилата цинка в дозе 40·10–8 мг/кг. Установлен аналгетический эффект ацетилсалицилата кобальта в сверхмалых дозах, не хаpaктерный для его терапевтической дозы (40 мг/кг). Оказалось, что ацетилсалицилаты кобальта и цинка в дозе 40·10–8 мг/кг превосходили по противоболевой эффективности аспирин в терапевтической и сверхмалых дозах.
...
21 02 2026 13:57:13
Статья в формате PDF
105 KB...
20 02 2026 9:14:54
Статья в формате PDF
108 KB...
19 02 2026 23:35:27
Статья в формате PDF
134 KB...
18 02 2026 8:11:30
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 ::
