5 курс / ОЗИЗО Общественное здоровье и здравоохранение / Медицинская_статистика_Жижин_К_С_

следнего (даже с закрытыми глазами), сразу же восстано­

вить цельный образ этого животного.

Систем обучения нейронных сетей достаточно много: У. Маккалоха, Д. Хебба, М. Минского, Дж. Хопфилда,

Ф. Розенблата и др.

Наиболее распространена последняя модель в силу того, что касается наиболее простой структуры сети: од­

нослойного персептрона (single layer perceptron), но мы в

данной книге не будем касаться теоретических обоснова­

ний алгоритмов обучаемости сетей. И отсылаем заинте­

ресованных в этом к ПРИВQДИМОЙ В конце изложения ли­

тературе.

Наша цель значительно Уже - ввести читателя в про­

цесс практического использования алгоритма нейронныx сетей по уже готовымпрограммам. Итак, как реально мож­

но использовать модуль (Нейронные сети) в пакете Statis-

tica?

}'11"ёt)f(Ii~IiIf~ ~ti. • • • • • • • • • • • • • • • • • • • • • •

Дан динамический ряд числа заболеваний дизентери-

ей за год. 11редварительно была сформирована помесяч­

ная таблица анализируемых реальных данных, она была

сохранена на диске в конкретной папке. И выделены и,З 11

140 Медицинская статистика

входящих четыре основные: 1) детская заболеваемость ди­

зентерией, 2) число порывов на водоводной сети, 3) каче­

ство профилактической работы персонала в очагах, 4) опе­

ративная эффективность.

Предстояло получить прогноз динамики заболеваемос­ ти и определи'ГЬ, какой из четырех отобранных факторов

является ведущим.

ВblПОЛНЯЯ задачу:

1. Открываем пакет Statistica, войдем в модуль Нейрон-

ные сети.

2. Через (Файл новый) выберем команду (Сеть).

3. На экране появится (Создать сеть) - (Create Network),

4.В поле {ТИI1) выбираем (Многослойный персептрон)и

делаем установки: Вход = f, Выход =1.

5.Зададим число слоев сети равное трем, т. е. выберем

трехслойный персептрон.

6.Временное окно (Steps) пометим «1211), это будет от­

вечать ежемесячной. регистрации заболеваемости дизенте­

рией с присущей сезонной составляющей.

7.Горизонт (Lookahead) пометим «1 ».

8.На экране монитора справа появится схема персеп­

трона. Поскольку модель определена, необходимо сеть обу­

чить. Для этого надо задать 66 обучающих (Training) и кон­ трольных (Verification) наблюдений.

9. Далее перемешиваем данные (Shuffle), поскольку мы

анализируем временной ряд, а порядок данных очень ва­

жен в соответствии с временными промежутками, то исклю­

чается пользование кнопкой СГРУnГlировать (Group Sets). 10. Откроем командой Запуск окно Проекция времен­

ного ряда (Time Series Projection). Ряд можно построить

целиком или с какого-то интересующего нас момента. Гра­

фически кривая идет достаточно круто вверх, число прогно­

зируемых случаев не имеет тенденции к снижению, колеб­

лясь в предел~ 1000,0-1020,0 на 10000 населения.

11. Проверимкачество работы обученной сети, открыв

окно Статистики регрессии, включим Запуск (Run).

12. Для того чтобы получить прогноз, скажем, на один

шаг вперед в меню Запуск (Run) выберем команду (Single Case), откроется соответствующее диалоговое окно, где

надо ввести номер наблюдения, для которого строится про­

гноз, жмем вверху справа кнопку Run, в строке Output полу­ чим искомый реЗУ/lьтат прогноза. Введя для Гlримера 1З, ·по­ лучим прогнозируемый уровень 1011,231. Оценивая значи­

мость входов, мы определили, что из четырех выбранных факторов ведущими (по величине объясненной дисперсии)

являются детская заболеваемость: 0,567 и оперативная эф­

фективность: 0,451. Точность прогноза на среднем уровне,

что объясняется малым объемом обучающей выборки, и тем,

что велика вероятность, что процесс по годам нестациона­

рен, не совсем ясно и то, как определять закон распределе­

ния признаков. Тем не менее ДЛЯ специалиста, принимаю­ щего решение, отправные точки для дальнейшего анализа

ситуации.. есть, в то время как приемы традиционной описа-

,

тельнои статистики этих выводов сделать не позволяют.

• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •

ЛИТЕРАТУРА

1. Айвазян С.А., Бежаева З.И., Староверов О.В. Клас­ сификация многомерных наблюдений. - .М.: Статисти­

ка, 1974. - 240 с.

2. Айвазян С.А., Буштабер В.М., Еню"ов Н.С., Мешал­

"ин л.д. Прикладная статистика: Классификация и сни­

жение размерности. - М.: Финансы и статистика, 1989.

-608 с.

3.Айвазян С.А., Еню"ов И.С., Мешал"ин Л.Д. Приклад­

ная статистика: Основы моделирования и первичная об­

работка данных. - М.: Финансы и статистика, 1983.

-471 с.

4.Анастази А., Урбина С. Психологическое тестирова­

ние. - СПб.: Питер, 2001. - 688 с.

5. Андерсон Т. Введение в многомерный статистический

анализ. - М.: Физ.-математ. литература, 1963. - 500 с.

6. Арене Х, Лейтер Ю. Многомерный дисперсионный

анализ. 1985. - 220 с.

7. Артемьева Е.Ю., Мартынов Е.М. Вероятностные

методы в психологии. - М.: Изд-во МГУ, 1975. - 207 с. ·8. Афифи А., Эйзен С. Статистический анализ: Подход

с использованием ЭВМ. - М.: Мир, .} 982. - 486 с.

9. Бейли Н. Статистические методы в биологии. - М.:

Мир, 1963.-272 с.

10. Бессмертный Б. С. Математическая статистика в клинической, профилактической и экспериментальной

медицине. - М.: Медицина, 1967. - 304 с.

11. Би"ел П., Доксам К. Математическая статистика.­

М.: Финансы и статистика, 1983. - Вып. 1. - 278 с.;

Вып. 2. - 254 с.

12. Большой психологический словарь /Сост. и общ. ред. Б.Мещеряков, В.Зинченко. - СПб.: Прайм-ЕВРО­

ЗНАК, 2003. - 672 с.

14. Боровuков В.П. Программа Statistica для студентов

иинженеров. - М.: КомпьютерПресс, 2001. - 301 с.

15.Боровuков В.П., Боровиков И.П. Statistica: Статис­ тический анализ и о~работка данных в среде Windows. -

М.: Филинъ, 1998. - 608 с.

16.Боровков А.А. Математическая статистика. - Но­

восибирск: Наука, 1997. - 771 'с.

17.Бородин А.Н. Элементарный курс теории вероят­

ностей и математической статистики. - СПб: Лань, 1999.

-224 с.

18.Браверман Э.м. Анализ эмпирических данных. -

М., 1979.

19.Брuллинджер Д. Временные ряды: Обработка дан­

ных и теория. ,- М., Мир, 1980.

20.Бурлачук Л.Ф.~ Морозов С.м. Словаръ~справочник

по психодиаrностике. - СПб.: Питер, ,2000. - 528 с.

21.Ван дер Варден Б.Л. Математическая статистика. -

М.: Изд-во ,иностранной литературы, 1960. - 436 с.

22.Воронин Ю.А. Теория классифицирования и ее при­

ложения. - Новосибирск: Наука, 1985. - 232 с.

23. Вулф Д.А., Холлендер М. Непараметрические мето­

ды статистики. - М., 1983. - 518 с.

24. Ву.,ков И.Н., Бояджиева Л., Солоков Е. Приклад­ ной регрессионный анализ / Пер. с боЛг. Ю.Л. Адлера. - r...f.: Финансы и статистика, 1987. - 238 с.

25. Гайдышев И. Анализ и обработка данных: Специ­

альный справочник. - СПб: Питер, 2001. - 752 с.

26. Гатаулин А.М. Методическое пособие по матема­

тической статистике. -' М.: МСХА им. К.А. Тимирязева,

1968.

27.Гланц С. Медико-биоло~ическая статистика. - М.:

Практика, 1999. - 449 с.

28.Гласе Дж., Стэнли Дж. Статистические методы в

педагогике'и психологии. - М.: Прогресс, 1976. - 495 с.

61. Мандель И.Д. Кластерный анализ. - М.: Финансы

истатистика, -1988. _. 176 с.

62.Математический энциклопедический словарь. -

М.: Большая Российская энциклопедия, 1995. - 848 с.

63.Мир"ин Б.Г. Анализ,качественных признаков и

структур. - М.: Статистика, 1980. - 320 с.

64.Мир"ин Б.Г. Группировки в социально-экономи­

ческих исследованиях. - М.: Финансы и статистика,

1985. - 224 с.

65. Мостелер Ф., ТьюкиДж. Анализ данных и регрессия.

Вып. 1,2. - М.: Финансы и статиcrика, 1981; 1982. - 300 с.

66. Мюллер П., Пойман П., Шторм Р. Таблицы по ма­

тематической статистике. - М.: Финансы и статистика,

1982. - 278 с.

67. Ншzuмов В.В. Теория эксперимента. - М.: Наука,

1971. - 208 с.

68.Ншzuмов В.В., Голикова т.и. Логические основания fUIанирования эксперимента. - М.: Металлургия, 1980.

69.Окунь Я. Факторный анализ. - М.: Статистика,

1974. - 200 с.

70. ОуЭН Д.Б. Сборник статистических таблиц. - М.:

ВЦ АН СССр, 1966. - 586 с.

71. ПетровА.П. Статистическая обработка результатов

экспериментальных исследований: Учеб. пособие. - Кур­

ган: Изд-во Курганского ун-та, 1998. - 85 с.

72. Плохинекий Н.А. Биометрия. - М.: МГУ, 1970. -

368 с.

73. Плохинекий Н.А. Основные вопросы современной

биометрии // Биометрический анализ в биологии. - М.:

Изд-во МГУ, 1982. - С. 7-11.

74. Рао С.Р. Линейные статистические методы и их

применение. - М.: Наука, 1968. - 547 с.

75. Рунион Р. Справочник по непараметрической ста­

тистике. - М.: Финансы и статистика, 1982. - 198 с.

7.6. Себер Дж. Линейный регрессионный анализ /Под ред. М.Б. Малютова. - М.: Мир, 1980. - 456 с.

77. Справочник по прикладной статистике: В 2т. / Под

ред. Э. Лойда, У. Ледермана, Ю.Н. Тюрина. - М.: Финан­

сы и статистика, 1989, 1990. - 510, 526 с.

78.Статистические методы дЛЯ ЭВМ / Под ред. к. Эн­

елейна, Э.Рэлстона, [С.Уилфа. - М.: Наука, 1986. - 236 с.

79.ТеflЛов Б. М. Простейшие способы факторного ана­

лиза / / Психология и психофизиология индивидуальных разЛичий. - М.: Институт практической психологии; -

Воронеж: МОДЭК, 1998. - 544 с. - С. 312-385.

80. Тюрuн Ю.Н., Макаров А.А. Анализ данных на ком­ пьютере /Изд. 3-е, перераб. и дополн. - М.: ИНФРА-М,

2003. - 540 с.

81. Тюрuн Ю.Н., Макаров А.А. Анализ данных на ком­

пыОтере. - М.: ИНФРА-М; Финансы и статистика,

1995. - 384 с.

82. Тюрuн Ю.Н., Макаров А.А. Статистический анализ

данных на компьютере. - М.: ИНФРА-М, 1999. - 528 с.

83. УилКС С. Математическая статистика. - М.: Наука,

1967. - 632 с.

84. Факторный, дискриминантный и кластерный ана­

лиз / Дж. о. Ким, Ч.У.Мюллер, У.Р.Клекка и др. / Под ред. И.С. Енюкова. - М.: Финансы и статистика, l2!9. - 215 с.

85. Фе.рсmер Э., Ренц Б. Методы корреляционного и

регрессионного анализа. - М.: Финансы и статистика,

1983. - 302 с.

86. Фишер Р. Статистические методы для исследовате­ лей. - М.: Госстатиздат, 1958. - 268 с.

87. Хан г., Шапиро С. Статистические модели в инже­

нерных задачах. - М.: Мир, 1969. -. 289 с.

88. Хардле В. Прикладная непараметрическая регрес­

сия. '- М., 1993. - 349 с.

89. Харман Г. Современный факrорный анализ. - М.:

Статистика, 1972. - 486 с.

90. Холлендер М., Вулф д. Непараметрические методы

статистики. - М.: Финансы и статистика, 1983. - 518 с.

91. Хьелл Л., Зuглер Д. Теории личности. - СПб.: Пи­

тер, 2002. - 608 с.