Дискриминация, как средство моделирования трудоохранных метроприятий > Полезные советы
Тысяча полезных мелочей    

Дискриминация, как средство моделирования трудоохранных метроприятий

Дискриминация, как средство моделирования трудоохранных метроприятий

Жижин К.С. 1
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.



О ДВИЖЕНИИ ЗЕМЛИ

Статья в формате PDF 129 KB...

03 07 2026 11:39:28

МАТЕМАТИЧЕСКОЕ ОБРАЗОВАНИЕ НА МИКРОУРОВНЕ

МАТЕМАТИЧЕСКОЕ ОБРАЗОВАНИЕ НА МИКРОУРОВНЕ Статья в формате PDF 119 KB...

01 07 2026 2:42:48

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ПОЛУЧЕНИЯ СТРОИТЕЛЬНЫХ ЯЧЕИСТЫХ КОМПОЗИТОВ ИЗ ТЕХНОГЕННЫХ ОТХОДОВ

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ ПОЛУЧЕНИЯ СТРОИТЕЛЬНЫХ ЯЧЕИСТЫХ КОМПОЗИТОВ ИЗ ТЕХНОГЕННЫХ ОТХОДОВ Со дня введения новых СНиПов проектировщики и строители оказались в весьма затруднительном положении. Если строить из традиционных материалов пришлось бы толщину стен увеличить чуть ли не втрое. На наш взгляд, наиболее полно отвечают всем требованиям изделия из газобетона, которые могут одновременно служить стеновым и теплоизоляционным материалом. ...

30 06 2026 18:27:20

ДИРИЖЕРСКОЕ ИСКУССТВО С.А. КАЗАЧКОВА И КАЗАНСКАЯ ХОРОВАЯ ШКОЛА

ДИРИЖЕРСКОЕ ИСКУССТВО С.А. КАЗАЧКОВА И КАЗАНСКАЯ ХОРОВАЯ ШКОЛА В статье осмысливаются основные теоретические и эстетические аспекты дирижерской и педагогической деятельности С.А. Казачкова и последователей Казанской хоровой школы. Проведен анализ научных трудов С.А. Казачкова включающий осмысление сущности дирижерской профессии, выявление новых тенденций в творчестве, постижение природы дирижерского жеста. Показана сложность профессии дирижера, заключающейся в единении трех аспектов его деятельности: исполнительской, педагогической и управленческой, составляющей основу дирижерского искусства в культурном и эстетическом контексте. ...

26 06 2026 15:54:52

ИСТОРИКО-ЭКОЛОГИЧЕСКИЕ ЭТАПЫ ТРАНСФОРМАЦИИ ВОСТОЧНО-ЕВРОПЕЙСКИХ СТЕПЕЙ

ИСТОРИКО-ЭКОЛОГИЧЕСКИЕ ЭТАПЫ ТРАНСФОРМАЦИИ ВОСТОЧНО-ЕВРОПЕЙСКИХ СТЕПЕЙ Рассматриваются особенности изменения растительности и почв на протяжении пяти историко-экологических этапов трaнcформации восточноевропейских степей во второй половине голоцена. Получены оценки поступающей в почву фитомассы, величина изымаемой продукции (в массовом выражении и через энергетические эквиваленты), а также величины энергии, формируемой в процессе гумусообразования. Установлено, что за 5000 лет отношение энергии расхода-прихода растительного вещества изменилось от 1:28 до 1:0,4, а ежегодное поступление гумуса в почвы снизилось с 5,4 до 1,6 МДж/кв. м. ...

09 06 2026 0:26:53

К ВОПРОСУ О ПЕДАГОГИЧЕСКОЙ ПОДДЕРЖКЕ ОДАРЕННЫХ ДЕТЕЙ И СРЕДСТВАХ РАЗВИТИЯ ОДАРЕННОСТИ

К ВОПРОСУ О ПЕДАГОГИЧЕСКОЙ ПОДДЕРЖКЕ ОДАРЕННЫХ ДЕТЕЙ И СРЕДСТВАХ РАЗВИТИЯ ОДАРЕННОСТИ Основная задача при работе с одаренными детьми заключается в том, чтобы поддержать в ребенке стремление к освоению высших ценностей, создать условия, в которых ребенок сможет строить свою личность самостоятельно, накапливать индивидуальный познавательный опыт. Физика наряду с другими фундаментальными науками дает возможность развивать творческие способности учащихся, навыки системного мышления. ...

06 06 2026 23:58:29

ИЗУЧЕНИЕ ХОЛЕЦИСТО – КАРДИАЛЬНОГО РЕФЛЕКСА У ДЕТЕЙ

ИЗУЧЕНИЕ ХОЛЕЦИСТО – КАРДИАЛЬНОГО РЕФЛЕКСА У ДЕТЕЙ Статья в формате PDF 204 KB...

03 06 2026 22:51:46

БИОЭЛЕКТРИЧЕСКАЯ АКТИВНОСТЬ СЕРДЦА ДЕВУШЕК АЛТАЙСКОЙ И РУССКОЙ НАЦИОНАЛЬНОСТЕЙ РАЗНОГО СРОКА ПРОЖИВАНИЯ НА ТЕРРИТОРИИ РЕСПУБЛИКИ АЛТАЙ

БИОЭЛЕКТРИЧЕСКАЯ АКТИВНОСТЬ СЕРДЦА ДЕВУШЕК АЛТАЙСКОЙ И РУССКОЙ НАЦИОНАЛЬНОСТЕЙ РАЗНОГО СРОКА ПРОЖИВАНИЯ НА ТЕРРИТОРИИ РЕСПУБЛИКИ АЛТАЙ Целью исследования явился анализ биоэлектрической активности сердца коренных и пришлых дeвyшек Горного Алтая алтайской и русской национальностей по данным электрокардиографии. Выявлено, что длительность интервала QT снижена во всех исследуемых группах, а интервала ТР и комплекса QRS превышает общепринятые значения. Снижение длительности всех интервалов происходит от алтаек к русским пришлым, что может свидетельствовать о более выраженной симпатикотонии среди последних. Расчетные величины показывают существенное несоответствие фактических значений должным, за исключением синусового ритма, который также снижается от алтаек к русским пришлым. Анализ амплитудно-частотных хаpaктеристик указывает на нарушения, связанные с процессами реполяризации, внутрижелудочковой и внутрипредсердной проводимости, а также гипертрофии этих отделов. О гипертрофии отделов сердца и нарушениях внутрижелудочковой проводимости в виде блокады ножек пучка Гиса свидетельствует также положение электрической оси сердца. ...

01 06 2026 10:45:11

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 ::