Дискриминация, как средство моделирования трудоохранных метроприятий > Полезные советы
Тысяча полезных мелочей    

Дискриминация, как средство моделирования трудоохранных метроприятий

Дискриминация, как средство моделирования трудоохранных метроприятий

Жижин К.С. 1
1 ГБОУСПОРО «Ростовский базовый медицинский колледж»
В работе рассматриваются приемы дискриминации признаков производственных травм с использованием модуля «Дискриминантный анализ» статистического софта «Statistica» v.6. Отражена простота анализа и получения выводов. Рекомендации могут быть реализованы специалистами, чей математический багаж не превышает базиса средней общеобразовательной школы. Статья в формате PDF 654 KB трудовой процессдискриминация травмы

Трудоохранные мероприятия в современных условиях не могут не базироваться на переработке достаточно плотного потока статистических данных. Без них невозможно прогнозировать ситуацию, стоить стратегию улучшения условий труда. В череде этих проблем самая существенная – классифицирование производственных травм, профессиональных заболеваний и отравлений при формировании динамического ряда. Лет 15–20 назад такая работа требовала привлечения труда профессионалов-программистов, занимала много времени на обработку и анализ полученных результатов. Современные статистические софты в значительной мере облегчили эту работу специалистам трудоохранных служб, поскольку подоплека их интуитивно понятна даже человеку с математическим базисом на уровне 10–11 классов средней общеобразовательной школы.

Материалы и методы исследования

Дискриминантный анализ, применение которого мы демонстрируем в данном сообщении – достаточно сложный раздел математической статистики. И, тем не менее, с помощью модуля «Дискриминантный анализ» из американского статистического софта «Statistica» v.6 мы хотели бы показать насколько просто провести процесс дискриминации. Примером в данном сообщении служит классификация производственных травм по тяжести.

Результаты исследований и их обсуждение

Данная выборка включает 11 единиц наблюдений, отобранных случайным образом из совокупности в 100 единиц. Травмы будем классифицировать, опираясь на следующие дискриминационные признаки: количество дней нетрудоспособности работника из-за одной травмы, число травм, случившихся у него в течение года, расходы на лечение в тыс. руб. (в расчете на одну травм), индекс травмирования, то есть отношение числа травм к числу дней нетрудоспособности, табл. 1. Подразумевается, что программа «Statistica» v.6. уже установлена, поэтому обходим процедуру её инсталляции на жесткий диск компьютера.

На верхней панели окна щелкаем левой кнопкой «мыши» на слове Анализ, отыскиваем Многомерный разведочный анализ, в нем – Дискриминантный анализ (рис. 1).

Во вкладке Быстрый выбираем Дополнительные параметры (пошаговый анализ). После нажатия на кнопку Переменные отобразится стандартное диалоговое окно Выбор переменных (его мы не показываем) (рис. 2). В этом окне укажем группирующую переменную и независимые переменные, которые должны быть использованы для дискриминации типа травм. В нашем случае группирующим признаком будет тяжесть травмы.

Нажимаем кнопку ОК, и переходим к следующему этапу: Результаты.., рис. 3. Просмотр результатов дискриминантного анализа, и классификация наблюдений начинаются с верхней части. В белом прямоугольнике, представлены значения самого существенного показателя дискриминации – лямбды Уилкса, пределы её изменений: 0–1. В нашем случае значение лямбды достаточно мало – 0,0026 (Суть в том, что, если это значение близко к нулю, то дискриминация прошла успешно, если же близко к единице, то дискриминация сомнительна) (рис. 3). Помимо этого, полученный в опыте, своеобразный показатель достоверности вывода, критерий Фишера «F» также высок – 23,2, почти в три раза перекрывает свое стандартное значение – 8,10 (в скобках).

Таблица 1

Классификация травм

№ п/п

Var1

Дни

Var2

Случаи

Var3

Стоимость лечения

Var4

случаи/дни

Var5

Тяжесть травмы

1

50

3

1,2

0,06

Легкая

2

50

3

1,4

0,06

Легкая

3

64

2

5,6

0,05

Средней тяжести

4

65

2

4,8

0,05

Тяжелая

5

67

3

5,6

0,04

Средней тяжести

6

63

3

5,7

0,05

Средней тяжести

7

46

4

1,4

0,06

Легкая

8

69

3

5,1

0,04

Средней тяжести

9

62

2

4,5

0,03

Тяжелая

10

59

3

4,8

0,05

Тяжелая

11

45

4

1,3

0,08

Легкая

Многомерный разведочный анализ Дискриминантный анализ

Рис. 1. Окно Анализ программы «Statistica» v.6

Рис. 2. Окно Дискриминантный анализ программы «Statistica» v.6

Рис. 3. Окно Результаты анализа

Для подтверждения и закрепления факта дискриминации определим еще несколько показателей. На первом месте – Расстояние Махаланобиса, которое является мерой близости отдельно взятых наблюдений и центром каждой совокупности, из включенных в процесс дискриминации. Чем ближе наблюдение к центроиду конкретной совокупности, тем в большей степени можно быть уверенным, что наблюдение извлечено именно из неё. Расстояние Махаланобиса может быть рассчитано при нажатии на кнопку Квадраты расстояния Махаланобиса во вкладке Классификация. Дифференциация случаев травмирования по этому признаку отражена в табл. 3 (цветом выделены статистически значимые показатели).

Кроме Расстояния Махаланобиса можно вычислить еще и условную (или апостериорную) вероятность принадлежности наблюдения к определенной совокупности. Её условность в том, что она зависит от знания исследователем значений переменных в модели. Этот показатель получают, нажав на кнопку Апостериорные вероятности. В данном примере точность классификации очень высока, даже с учетом того, что это апостериорная классификация. К слову сказать, такая точность редко достигается и редко, когда нужна.

Таблица 2

Квадраты расстояний Махаланобиса

Квадраты расстояний Махаланобиса (Таблица данных 1)

№ п/п

Тяжесть травмы

Легкая

Средней тяжести

Тяжелая

1

Легкая

1,118

1011,483

688,3675

2

Легкая

3,017

929,539

620,7845

3

Средней тяжести

1042,041

0,971

36,0575

4

Тяжелая

741,390

23,638

4,0505

5

Средней тяжести

1048,528

3,473

43,2491

6

Средней тяжести

1073,374

2,437

41,9351

7

Легкая

3,473

1048,528

721,5672

8

Средней тяжести

934,432

4,560

21,1041

9

Тяжелая

678,040

45,932

3,5372

10

Тяжелая

682,858

37,428

1,2326

11

Легкая

4,130

1109,123

772,3102

Для проверки работоспособности представленной модели с учетом вероятностей в исходную табл. 1 введем переменные под № 12, 13, 14 с их значениями, табл. 3

Таблица 3

Проверка работоспособности методики анализа

№ п/п

Var1

Дни

Var2

Случаи

Var3

Стоимость

Var4 Случаи/дни

Var5

Тяжесть травмы

1

50

3

1,2

0,06

Легкая

2

50

3

1,4

0,06

Легкая

3

64

2

5,6

0,05

Средней тяжести

4

65

2

4,8

0,05

Тяжелая

5

67

3

5,6

0,04

Средней тяжести

6

63

3

5,7

0,05

Средней тяжести

7

46

4

1,4

0,06

Легкая

8

69

3

5,1

0,04

Средней тяжести

9

62

2

4,5

0,03

Тяжелая

10

59

3

4,8

0,05

Тяжелая

11

45

4

1,3

0,08

Легкая

12

44

4

1

0,09

 

13

43

5

1,1

0,13

 

14

67

2

6

0,03

 

При повторении анализа машина мгновенно классифицирует травмы по тяжести, отнеся 12 и 13 случаи к легким, а 14 – к среднетяжелым травмам, табл. 4. Примечательно, что классификация наблюдений по вероятностным признакам оказалась гораздо показательней расчета квадратов Расстояний Махаланобиса: дифференциация в данном случае равна 1,0 или 100 %.

Таблица 4

Апостериорные вероятности травмирования

Апостериорные вероятности

№ п/п

Тяжесть травмы

Легкая

Тяжелая

Средней тяжести

1

Легкая

1,000000

0,000000

0,000000

2

Легкая

1,000000

0,000000

0,000000

3

Средней тяжести

0,000000

0,000000

1,000000

4

Тяжелая

0,000000

0,999996

0,000004

5

Средней тяжести

0,000000

0,000000

1,000000

6

Средней тяжести

0,000000

0,000000

1,000000

7

Легкая

1,000000

0,000000

0,000000

8

Средней тяжести

0,000000

0,000001

0,999999

9

Тяжелая

0,000000

1,000000

0,000000

10

Тяжелая

0,000000

1,000000

0,000000

11

Легкая

1,000000

0,000000

0,000000

12

---

1,000000

0,000000

0,000000

13

---

1,000000

0,000000

0,000000

14

---

0,000000

0,000000

1,000000

Выводы

Хотя данный пример нами сознательно упрощен, тем не менее, хорошо иллюстрирует основную идею дискриминации. Для «перестраховки» в ответственных случаях следует проводить дискриминацию в два этапа: сначала построить функции классификации и только потом проводить оценку их качества.

При использовании данного вида анализа необходимо учитывать несколько ограничений: нормальность и линейность эмпирического распределения, однородность дисперсий и ковариаций сравниваемых совокупностей. Однако, как показала наша пpaктика, методика достаточно «терпима» к отклонениям от этих условностей.



ПОСТКИНЕМАТИЧЕСКИЕ ГРАНИТОИДЫ КАЛБА-НАРЫМСКОЙ ЗОНЫ КАЗАХСТАНА И АЛТАЯ: ПЕТРОЛОГИЯ И ФЛЮИДНЫЙ РЕЖИМ

ПОСТКИНЕМАТИЧЕСКИЕ ГРАНИТОИДЫ КАЛБА-НАРЫМСКОЙ ЗОНЫ КАЗАХСТАНА И АЛТАЯ: ПЕТРОЛОГИЯ И ФЛЮИДНЫЙ РЕЖИМ Приведены петрологические данные и флюидный режим посткинематических гранитоидов поздепермско-раннетриасового калбинского комплекса Калба-Нарымской минерагенической зоны Казахстана и Алтая. Гранитоиды по петро-геохимическим параметрам близки анорогенному А-типу. В генерации интрузий и дайковых образований выявлено мантийно-коровое взаимодействие. Расплавы формировались в процессе плавления корового материала типа гранатового амфиболита под воздействием базальтоидных мантийных магм. По соотношениям изотопов стронция и неодима граниты Борисовского массива тяготеют к источнику мантии типа EM II. В долго живущий глубинный очаг происходил подток мантийных трaнcмагматических флюидов, имевших более восстановленный хаpaктер и обогащённых рядом летучих компонентов: углекислотой, фтором, бором, фосфором. Оптимальные параметры флюидного режима создавали благоприятные условия для формирования промышленного оруденения тантала, ниобия, лития, олова, молибдена, вольфрама в пегматитах, апогранитах, грейзенах и жилах. ...

25 04 2024 22:59:29

ИНФОРМАЦИОННАЯ КУРОРТОЛОГИЯ

ИНФОРМАЦИОННАЯ КУРОРТОЛОГИЯ Статья в формате PDF 122 KB...

24 04 2024 3:53:26

К ТЕОРИИ ГРАВИТАЦИИ В ПРОСТРАНСТВЕ ОКТАВ

К ТЕОРИИ ГРАВИТАЦИИ В ПРОСТРАНСТВЕ ОКТАВ Предложена октетная теория гравитации: 4-потенциал, зависимость силы гравитации от момента и его прецессии в недрах звезд, физических тел, частиц. Медленное удаление планет от звезды – связь со смещением их перигелия. Рождение "ощущаемой" материи и субпланет в ядре звезды. Обтекание падающим телом, равно как и лучами света, центра притяжения ввиду его нагруженности необратимыми термодинамическими процессами. Гравитационный коллапс – недоразумение, основанное на метафизическом понимании ограниченности всех скоростей скоростью света в физическом вакууме и игнорировании не только квантовых эффектов, но и реальных условий падения в плазму. Звезда – это отнюдь не "так просто" уже из-за различия пассивной и активной гравитационных масс. Аннигиляция генерируемой из эфира материи – неотъемлемое свойство физического мира и источник энергии звезд. Ввиду гармонического хаpaктера решений системы дифференциальных уравнений октетной теории гравитации, нет необходимости "склеивать" гравитацию и квантовую механику, как в континуалистской ОТО. Свойства решений зависит от величины констант, т.е. в конечном итоге от топологии и масштабов в прострaнcтве и необратимом физическом времени Т. ...

23 04 2024 15:36:34

ГАЗИФИКАЦИЯ АСФАЛЬТОВЫХ ЗАВОДОВ

ГАЗИФИКАЦИЯ АСФАЛЬТОВЫХ ЗАВОДОВ Статья в формате PDF 135 KB...

21 04 2024 4:48:27

НОВООБРАЗОВАНИЯ ТОЛСТОЙ КИШКИ

НОВООБРАЗОВАНИЯ ТОЛСТОЙ КИШКИ Статья в формате PDF 105 KB...

19 04 2024 21:34:51

АВТОМАТИЧЕСКОЕ ЗАПОЛНЕНИЕ БАЗ ДАННЫХ

АВТОМАТИЧЕСКОЕ ЗАПОЛНЕНИЕ БАЗ ДАННЫХ Статья в формате PDF 270 KB...

18 04 2024 13:28:42

ВОЗМОЖНОСТЬ ИЗВЛЕЧЕНИЯ МЕЛКОГО ЗОЛОТА ИЗ РЕЧНОГО ПЕСКА

ВОЗМОЖНОСТЬ ИЗВЛЕЧЕНИЯ МЕЛКОГО ЗОЛОТА ИЗ РЕЧНОГО ПЕСКА Рассматривается возможность извлечения мелкого золота из золотосодержащего речного песка при проведении очистки фарватера р. Енисей (Тува) земснарядом с производительностью 250 м³/ час по исходным пескам, и убедительно показана целесообразность и экономическая выгода этого. ...

14 04 2024 3:29:17

НЕКОТОРЫЕ АСПЕКТЫ СОВРЕМЕННОЙ КВАНТОВОЙ ХИМИИ

НЕКОТОРЫЕ АСПЕКТЫ СОВРЕМЕННОЙ КВАНТОВОЙ ХИМИИ Статья в формате PDF 95 KB...

04 04 2024 21:41:29

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::