- •По теории вероятностей
- •1.2 Структурные средние и способы их вычисления
- •Вопрос 1.6 Распределение «хи-квадрат», t-распределение Стьюдента, распределение f Фишера-Снедекора.
- •2. По математической статистике
- •Вопрос 2.1 Генеральная совокупность и выборка
- •Вопрос 2.2 Понятие о вариационных рядах, средняя ряда. Показатели вариации. Дисперсия, среднее квадратичное отклонение (стандартное отклонение). Оценка структурных средних.
- •2.10 Однофакторный дисперсионный анализ
- •2.11. Анализ качественных признаков
- •Примеры сравнение качественных признаков.
- •1) Тромбозы шунта при приеме плацебо и аспирина
- •2.12 Доверительный интервал для среднего.
- •2.13 Доверительный интервал для доли.
- •2.14. Определение необходимого объема выборки.
- •2.15. Повторные измерения (Парный критерий Стьюдента).
- •2.16. Критерий Крускала-Уоллиса
- •2.18 Критерий знаков z
- •Линейная регрессия и метод наименьших квадратов
- •2.23. Оценка параметров уравнения регрессии по выборке
- •2.24. Ранговый коэффициент корреляции Спирмена.
- •Вопросы прикладной (микробиологической) статистики
- •3.1 Кривая «доза-эффект»
- •Вопрос 3.2 методы количественной оценки иммуногенности вакцин.
- •Вопрос 3.3 количественный метод определения иммуногенности вакцин, основанный на испытании их постоянным уровнем
- •3.4 Количественный метод определения иммуногенности вакцин, основанный на испытании их постоянным уровнем иммунитета
- •3.5. Количественные закономерности связи между уровнем иммунитета и дозой антигена.
- •3.7 Метод Кербера.
- •3.8 Пробит-метод.
- •Вопрос 4.1 Факторы. Требования к ним.
- •Вопрос 4.2 Параметр оптимизации. Требования к нему.
- •4.3 Полный факторный эксперимент
- •Свойства матриц полного факторного эксперимента
- •Вопрос 4.5 Метод крутого восхождения.
- •Вопрос 4.6 Симплексный метод оптимизации.
- •5. Вопросы по методам математического моделирования в биологии
- •5.1 Исследование мат. Модели
- •5.2 Исследование моделей биологических систем, описываемых системами двух автономных дифференциальных уравнений.
- •Исследование устойчивости стационарных состояний моделей биологических систем.
- •5.4. Мультистационарные системы
- •5.5 Колебания в биологических системах. Предельный цикл. Теоремы, определение существование предельного цикла.
- •5.6 Анализ модели брюсселятор.
- •5.7 Модели взаимодействия двух видов
- •Вопрос 5,8 Уравнение конкуренции и их анализ ..
- •5.9 Уравнения системы «хищник – жертва» и их анализ.
- •5.10 Моделирование микробных популяций.
3.7 Метод Кербера.
График:
l=lgD
Обозначим через площадь под кривой , в пределах от L0 до L100, т.е. площадь фигуры L0QPL100L0
S=пл.L0QL50L0+ пл.L50QP L100L50.
Но доза L50 была определена так, чтобы выполнялось равенство площадей L0QL50L0, пл.L50QRPQ.
Используя это равенство, имеем:
S=пл. QRPQ+ пл.L50QP L100L50=пл. L50RQPL100L50
Высота последнего прямоугольника =1, поэтому его площадь равна длине его основания, т.е.S= L100-L50.
L50=L100-S
Пусть L(0),L(1),L(2),L(3),…L(k+1) обозначает дозы, употреблявшиеся в опыте, причем индексы в скобках обозначают номера доз.Примем далее L(0)=L0,L(k+1)=L100.Площадь под кривой можно аппроксимировать суммой трапеций, площадь каждой равна :
0.5(P(i))+P(i+1)-L(i).
Тогда
S=1/2[Si+Si+1+…Si+4]
Произведя преобразование, получим:
3.8 Пробит-метод.
График
l=lgD
Вместо р переходим к y.
График:
4. ВОПРОСЫ ПО ПЛАНИРОВАНИЮ ЭКСПЕРИМЕНТА
Вопрос 4.1 Факторы. Требования к ним.
Планирование эксперимента – процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленных задач с требуемой точностью. При планировании эксперимента необходимо: стремление к минимизации общего числа опытов; одновременное варьирование всеми переменными по алгоритмам; использование математического аппарата; выбор четкой стратегии.
В общем случае объект исследования можно представить в виде структурной схемы, основанной на принципе «черного ящика». Различают следующие группы параметров:
1)X-управляющие (входные), которые называются факторами;
2)Y-выходные параметры, которые называются параметрами состояния;
3)W- возмущающие воздействия. (Предполагается, что возмущающие воздействия не поддаются контролю и либо являются случайными, либо меняются во времени.)
Фактор – измеряемая переменная величина, принимающая в конкретный момент времени определенное значение.
Факторы соответствуют способу воздействия на объект. Каждый фактор имеет свою область определения, которая д.б. определена до начала эксперимента. Факторы м.б. количественными (t°, время, концентрация, рН, скорость подачи веществ и т.д) и качественными (аппараты, различные вещества, способы, исполнители – им не соответствует числовая шкала).
Требования к факторам при планировании эксперимента:
управляемость (возможность установления, поддержания нужного значения фактора в течение эксперимента и изменения его по заданной программе);
факторы должны непосредственно воздействовать на объект, иначе управление усложняется;
факторы д. б. определены операционально;
в совокупности факторы д.б. совместны (т. е. все комбинации уровней факторов должны быть осуществимы и безопасны) и независимы (не должны иметь корреляционных связей).
Если между факторами имеется связь, то из них выбирают тот фактор, которым легче управлять. Комбинацию факторов можно представить как точку в многомерном пространстве, характеризующую состояние системы.
Высокой д.б. точность фиксации факторов.
При исследовании процесса необходимо учитывать все существенные факторы. Если по каким-либо причинам влияние некоторых факторов невозможно учесть в эксперименте, то эти факторы должны быть стабилизированы на определенных уровнях в течение всего эксперимента. Уровнями называют значения факторов в эксперименте. Если число факторов велико, то необходимо отсеять те факторы (вторичные факторы), которые оказывают незначительное влияние на параметр оптимизации. Отсеивание несущественных факторов производят на основе априорного ранжирования или с помощью постановки отсеивающих экспериментов.
