- •Короткі теоретичні відомості
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Завдання для самостійного виконання
- •Створення електронних форм і бланків медичної документації
- •Короткі теоретичні відомості
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Комп’ютерні дані: типи даних, обробка та управління Побудова баз даних медичних закладів
- •Короткі теоретичні відомості
- •Демонстраційний приклад
- •Практичні завдання
- •Питання для самоконтролю
- •Проектування системи обробки даних. Засоби роботи з даними
- •Короткі теоретичні відомості
- •Практичні завдання
- •Питання для самоконтролю
- •Кодування та класифікація
- •Короткі теоретичні відомості
- •Демонстраційний приклад 1
- •Демонстраційний приклад 2
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Завдання для самостійного виконання
- •Візуалізація медико-біологічних даних. Обробка та аналіз медичних зображень
- •Короткі теоретичні відомості
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Методи біостатистики
- •Короткі теоретичні відомості
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Медичні знання та прийняття рішень у медицині Формалізація та алгоритмізація медичних задач
- •Короткі теоретичні відомості
- •Демонстраційний приклад
- •Практичні завдання
- •Тестові завдання для самоконтролю
- •Завдання для самостійного виконання
- •Формальна логіка у розв’язанні задач діагностики, лікування та профілактики захворювання
- •Короткі теоретичні відомості
- •Демонстраційний приклад
- •Практичні завдання
- •Завдання для самостійного виконання
- •Тестові завдання для самоконтролю
- •Короткі теоретичні відомості
- •Демонстраційний приклад 1
- •Демонстраційний приклад 2
- •Практичні завдання
- •Питання для самоконтролю
- •Завдання для самостійного виконання
- •Представлення систем підтримки прийняття рішень. Експертні системи. Побудова бази знань та структурування. Сучасна архітектура системи прийняття рішень.
- •Короткі теоретичні відомості
- •Тестові завдання для самоконтролю
- •Інформаційні системи в системі охорони здоров’я Типи інформаційних систем у галузі охорони здоров’я
- •Короткі теоретичні відомості
- •Демонстраційний приклад 1
- •Демонстраційний приклад 2
- •Демонстраційний приклад3
- •Практичні завдання
- •Питання для самоконтролю
- •Індивідуальні медичні картки. Структуризація змісту електронних медичних карток
- •Короткі теоретичні відомості
- •Демонстраційний приклад 1
- •Практичні завдання
- •Питання для самоконтролю
- •Додатки Додаток 1. Системи кодування і класифікації.
- •Додаток 2. Поняття інформаційної системи
- •Додаток 3. Основи роботи в текстовому процесорі Word
- •Додаток 4. Основи роботи в табличному процесорі Excel
- •Додаток 5. Ms Access як система управлінняреляційними базами даних
- •Предметний покажчик
Короткі теоретичні відомості
Поняття апроксимації статистичних даних
На практиці часто доводиться зустрічатися із задачею апроксимації. Апроксимацієюназивається процес підбору емпіричної формули (х)для встановленої з досвіду функціональної залежностіу= f(х). Емпіричні формули використовують для аналітичного подання експериментальних даних.
Сформулюємо задачу функціональної апроксимації для випадку однієї незалежної змінної. Нехай є деякі дані, отримані практичним шляхом (під час експерименту, спостереження тощо), які можна представити парами чисел (х; у). На основі цих даних потрібно підібрати функціюу =(х), яка щонайкраще згладжувала б експериментальну залежність між зміннимих і уй по можливості точно відбивала загальну тенденцію залежності між ними.
Звичайно задача апроксимації розпадається на дві частини. Спочатку встановлюють вид залежності у =f(х)і, відповідно, вид емпіричної формули (лінійна, квадратична, логарифмічна тощо). Після цього визначаються чисельні значення невідомих параметрів обраної емпіричної формули, для яких наближення до заданої функції виявляється найкращим. При відсутності теоретичних міркувань при підборі виду формули, зазвичай вибирають функціональну залежність з числа відомих, порівнюючи їхні графіки із графіком заданої функції. Після вибору виду формули визначають її параметри. Для найкращого вибору параметрів задають міру наближення апроксимації експериментальних даних. У багатьох випадках, особливо якщо функціяf(х)задана графіком або таблицею (на дискретній множині точок), для оцінки ступеня наближення розглядають різниціf(х)- (х)для точокхо, х1, ..., хк. Існують різні ступені наближення й, відповідно, методи розв’язання цієї задачі, зокрема метод найменших квадратів. При цьому функція (х)вважається найкращим наближенням доf(х), якщо для неї сума квадратів відхилень(хі) від відповідних значеньf(xі),
має найменше значення в порівнянні з іншими функціями, з числа яких вибирається шукане наближення.
З’ясувати вид функції можна або з теоретичних міркувань, або аналізуючи розташування точок (хn; уn;) на координатній площині. Наприклад, нехай точки розташовані так, як показано на рис. 57.
Рис. 51. Можливий варіант розташування експериментальних точок
Зважаючина те, що практичні дані отримані з деякою похибкою, зумовленою неточністю вимірів, необхідністю округлення результатів тощо, природно припустити, що залежність міжхnтауnє обернено пропорційна й функцію(х)потрібно підбирати у вигляді та обчислити параметриа і b.
Комп’ютерна технологія апроксимації експериментальних даних
Розглянемо апроксимацію експериментальних даних засобами електронних таблиць МS Ехсеl.
В середовищі електронних таблиць апроксимація здійснюється шляхом побудови графіка експериментальних даних з наступним підбором апроксимуючої функції (лінії тренда). Можливі наступні типи ліній тренда:
1. Лінійна у = ах + b. Як правило, лінійною функцією апроксимуються експериментальні дані, які зростають або спадають із постійною швидкістю.
2. Поліноміальнау=а0+ а1х+а2х2+... +аnxn. Використовується для опису експериментальних даних, по черзі зростаючих і спадаючих. Степінь полінома визначається кількістю екстремумів (максимумів або мінімумів) кривої. Поліном другого степеня може описати тільки один максимум або мінімум, поліном третього степеня може мати один або два екстремуми, четвертого степеня – не більше трьох тощо.
3. Логарифмічна, деа іbконстанти,lnфункція натурального логарифма. Функція застосовується для опису експериментальних даних, які спочатку швидко зростають (спадають), а потім поступово стабілізуються.
4. Степеневау = bxn, деа йb – константи. Апроксимація степеневою функцією використовується для експериментальних даних, які незмінно зростають або спадають. Дані не повинні мати нульові або від’ємні значення.
5. Експонентнау =bеax, деа,b – константи,е –основа натурального логарифма. Функція застосовується для опису експериментальних даних, які швидко зростають (спадають), а потім поступово стабілізуються. Часто використання експоненти випливає з теоретичних міркувань.
Степінь наближення апроксимації експериментальних даних вибраною функцією оцінюється коефіцієнтом детермінації R2. Таким чином, якщо маємо декілька придатних варіантів типів апроксимуючої функції, можна вибрати функцію з більшим коефіцієнтом детермінації (ближчим до 1).
Для здійснення апроксимації на діаграмі експериментальних даних необхідно клацанням правої кнопки миші викликати контекстне меню, і вибрати пункт Добавить линию тренда. У діалоговому вікніЛиния тренда (рис. 53) на вкладціТип задається тип апроксимуючої функції, а на вкладціПараметры– додаткові параметри, які впливають на відображення апроксимуючої кривої.