Анализ данных / anal_donnes2

Для набора данных А с помощью нескольких показателей оценить степень связи между полом и исходом. Проверить значимость оцененных значений.

Для набора данных Б рассматриваются параметры SYST и DIAST в 1950 г и те же параметры в 1962 г. Осуществить дискретизацию этих параметров, перейдя тем самым к порядковой шкале. Построить матрицы связи между этими четырьмя параметрами, воспользовавшись мерами связи для упорядоченных таблиц сопряженности Кендалла и Спирмана. Оценить значимость полученных значений.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Для набора данных Б рассматриваются параметры SYST, DIAST и SER-CH, замеренные в 1962 г. Воспользоваться этими параметрами для построения трех дискриминантных функций, разбивающей 75% пациентов на 3 класса. Воспользоваться полученными функциями для диагностики, обработав оставшиеся 25% данных. Сделать выводы, сравнив результаты обучения и диагностики с характеристикой стадии ишемической болезни.

Для набора данных А с помощью нескольких показателей оценить степень связи между полом и типом шока. Проверить значимость оцененных значений.

Для набора данных Б рассматриваются параметры SYST, DIAST, Wight и SER-CH, замеренные в 1962 г. Воспользоваться этими параметрами для построения трех дискриминантных функций, разбивающей 75% пациентов на 4 класса. Воспользоваться полученными функциями для диагностики, обработав оставшиеся 25% данных. Сделать выводы, сравнив результаты обучения и диагностики с характеристикой стадии ишемической болезни.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Воспользоваться упомянутыми в п.2 параметрами для построения разделяющей функции, разбивающей 75% пациентов на 2 класса (предположительно «выжил» и «умер»). Воспользоваться полученной функцией для диагностики, обработав оставшиеся 25% данных. Сделать выводы.

Для набора данных А с помощью нескольких показателей оценить степень связи между типом шока и исходом. Проверить значимость оцененных значений.

Для набора данных А рассматриваются параметры SP, MAP, DP, MVP и MCT в начальный момент обследования. Осуществить дискретизацию этих параметров, перейдя тем самым к порядковой шкале. Построить матрицы связи между этими пятью параметрами, воспользовавшись мерами связи для упорядоченных таблиц сопряженности Спирмана и Стьюарта. Оценить значимость полученных значений.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Воспользоваться упомянутыми в п.2 параметрами для построения разделяющей функции, разбивающей 75% пациентов на 2 класса (предположительно «выжил» и «умер»). Воспользоваться полученной функцией для диагностики, обработав оставшиеся 25% данных. Сделать выводы.

Для набора данных Б с помощью нескольких показателей оценить степень связи между параметрами SE и CS. Проверить значимость оцененных значений.

Для набора данных А рассматриваются параметры PVI, RCI, Hgb, Hct в начальный момент обследования. Осуществить дискретизацию этих параметров, перейдя тем самым к порядковой шкале. Построить матрицы связи между этими четырьмя параметрами, воспользовавшись мерами связи для упорядоченных таблиц сопряженности Спирмана и Стьюарта. Оценить значимость полученных значений.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Воспользоваться упомянутыми в п.2 параметрами для построения разделяющей функции, разбивающей 75% пациентов на 2 класса (предположительно «выжил» и «умер»). Воспользоваться полученной функцией для диагностики, обработав оставшиеся 25% данных. Сделать выводы.

Для набора данных Б с помощью нескольких показателей оценить степень связи между параметрами SE и DIAG. Проверить значимость оцененных значений.

Для набора данных А рассматриваются параметры BSA, CI, AT, UO в начальный и конечный моменты обследования, рассматривая одноименные параметры в разные моменты обследования как различные. Осуществить дискретизацию этих параметров, перейдя тем самым к порядковой шкале. Построить матрицы связи между этими восемью параметрами, воспользовавшись мерами связи для упорядоченных таблиц сопряженности Кендалла и Стьюарта. Оценить значимость полученных значений.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Воспользоваться упомянутыми в п.2 параметрами для построения разделяющей функции, разбивающей 75% пациентов на 2 класса (предположительно «выжил» и «умер»). Воспользоваться полученной функцией для диагностики, обработав оставшиеся 25% данных. Сделать выводы.

Для набора данных Б с помощью нескольких показателей оценить степень связи между параметрами CS и DIAG. Проверить значимость оцененных значений.

Для набора данных А рассматриваются параметры SP, DP, CI, MCT в начальный момент обследования, рассматривая одноименные параметры в разные моменты обследования как различные. Осуществить дискретизацию этих параметров, перейдя тем самым к порядковой шкале. Построить матрицы связи между этими четырьмя параметрами, воспользовавшись мерами связи для упорядоченных таблиц сопряженности Спирмана и Кендалла. Оценить значимость полученных значений.

Для параметров, перечисленных в п.2 оценить корреляционные связи, построив корреляционную матрицу и оценив значимость ее элементов.

Воспользоваться упомянутыми в п.2 параметрами для построения разделяющей функции, разбивающей 75% пациентов на 2 класса (предположительно «выжил» и «умер»). Воспользоваться полученной функцией для диагностики, обработав оставшиеся 25% данных. Сделать выводы.