Описательная статистика - Анализ медико-биологических данных помощью Microsoft Excel и СПП STADIA 6.2

Это средство анализа служит для создания одномерного статистического отчета, содержащего информацию о центральной тенденции и изменчивости входных данных. Для всех анализируемых выборок согласно вычисленным уровням значимости (они больше критического значения 0,05) нет оснований отвергать нулевые гипотезы об отличии коэффициентов эксцесса и асимметрии от значений нормального распределения с вероятностью 95%. Таким образом использование параметрических статистических показателей в данном случае будет оправдано и достоверно. Сравнивая средние по каждому переменному (диагностикуму) с контрольными (нормальными) показателями можно сказать, что в общем тиакарпин подавляет синтез белка, хотя и незначительно, и снижает уровень продуктов перекисного окисления. Сопоставление средних и дисперсий указывает на то, что препарат оказывает значительное влияние на все показатели и особенно на белковое содержание. Результаты исследования образуют матрицу данных и, чтобы увидеть закономерность и структуру общей картины эксперимента, необходимо применить многомерные методы анализа данных.

КЛАСТЕРНЫЙ АНАЛИЗ

Эвклид+Дальн. сосед

Таблица расстояний

(1) (2) (3) (4) (5) (6) (7)

    (8) (9) (10) ( 2) 22,13 ( 3) 19,52 5,889 ( 4) 52,35 30,44 33,39 ( 5) 43,22 21,39 24,68 9,461 ( 6) 48,53 26,65 29,67 3,921 5,554 ( 7) 35,03 13,35 16,03 17,42 8,869 13,69 ( 8) 25,92 5,49 7,185 26,53 17,61 22,74 9,236

Кластеры:

(список объектов) -> расстояние

    (6,4) --> 3,921 (8,2) --> 5,49 (8,3,2) --> 7,185 (7,5) --> 8,869 (7,6,4,5) --> 17,42 (8,1,3,2) --> 25,92 (8,7,6,4,5,1,3,2) --> 52,35

При этом группу 1 можно выделить в четвертый кластер. В связи с этим применим дивизивную стратегию в попытке получить группировку на четыре кластера.

Эвклид+Дивизивная таблица расстояний

(1) (2) (3) (4) (5) (6) (7)

    (8) (9) (10) ( 2) 22,13 ( 3) 19,52 5,889 ( 4) 52,35 30,44 33,39 ( 5) 43,22 21,39 24,68 9,461 ( 6) 48,53 26,65 29,67 3,921 5,554 ( 7) 35,03 13,35 16,03 17,42 8,869 13,69 ( 8) 25,92 5,49 7,185 26,53 17,61 22,74 9,236

Кластеры: Среднее внутрикластерное расстояние=5,673

    1= (1,2,3*,8) 2= (4*,6) 3= (5*,7)

В результате получаем разделение на три кластера. Для проверки гипотезы об адекватности получаемых классификаций применяем дискриминантный метод.

ДИСКРИМИНАНТНЫЙ АНАЛИЗ

Расстояние Махаланобиса=724,3, значимость=0

Класс <--- Коэффициенты дискриминантной функции:a[0],a[1],... --->

1 -1181 45,14 58,65 528,6 -206,2 -3207

2 -429,4 26,77 37,61 330,7 -132,4 -1884

3 -1038 42,14 60,77 535,3 -223,7 -2953

Объект Класс D^2 Значим Вероят. отнесения

1 1 3,75 0,5859 1

2 1 3,75 0,5859 1

3 1 3,75 0,5859 1

4 2 2,5 0,7764 1

5 3 2,5 0,7764 1

6 2 2,5 0,7764 1

7 3 2,5 0,7764 1

8 1 3,75 0,5859 1

Как показывают результаты дискриминантного анализа, предполагаемая классификация оказалась эффективной.

Кластеризация исследуемых групп животных выявила сохранение физиологической нормы при введении тиакарпина в течение 3-х дней в дозе 7.5 мг/кг и в течение 6-и дней в дозе 50 мг/кг. Данные дозы оказывают наименьшую нагрузку на организм.

Похожие статьи




Описательная статистика - Анализ медико-биологических данных помощью Microsoft Excel и СПП STADIA 6.2

Предыдущая | Следующая