41.Дискретные и непрерывные случайные величины. Числовые характеристики дискретной случайной величины (математической ожидание дисперсия), их свойства.
В том случае, если случайное событие выражается в виде числа, можно говорить о случайной величине. Случайной называют величину, которая в результате испытания примет одно возможное значение, наперёд неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены. Выпадение некоторого значения случайной величины Х это случайное событие: Х = хi. Среди случайных величин выделяют дискретные и непрерывные случайные величины.Дискретной случайной величиной называется случайная величина, которая в результате испытания принимает отдельные значения с определёнными вероятностями. Число возможных значений дискретной случайной величины может быть конечным и бесконечным. Примеры дискретной случайной величины: запись показаний спидометра или измеренной температуры в конкретные моменты времени.Непрерывной случайной величиной называют случайную величину, которая в результате испытания принимает все значения из некоторого числового промежутка. Число возможных значений непрерывной случайной величины бесконечно. Пример непрерывной случайной величины: измерение скорости перемещения любого вида транспорта или температуры в течение конкретного интервала времени.Любая случайная величина имеет свой закон распределения вероятностей и свою функцию распределения вероятностей. Прежде, чем дать определение функции распределения, рассмотрим переменные, которые её определяют. Пусть задано некоторое х – действительное число и получена случайная величина X, при этом (x>X). Требуется определить вероятность того, что случайная величина Х будет меньше этого фиксированного значения х.Функцией распределения случайной величины Х называется функция F(х), определяющая вероятность того, что случайная величина Х в результате испытания примет значение меньшее значения х, то есть: F (х) = Р(Х < х ), где х – произвольное действительное число.
Числовые характеристики дискретной случайной величины.
Основными характеристиками ДСВ являются математическое ожидание, дисперсия и среднеквадратическое отклонение.Характеристикой среднего значения случайной величины служит математическое ожидание.Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности:
Свойства математического ожидания:
1. Математическое ожидание постоянной величины равно самой постоянной: М(С)=С
2. Постоянную можно выносить за знак математического ожидания: М(СХ)=СМ(Х)
3. Математическое ожидание произведения взаимно независимых случайных величин равно произведению математических ожиданий сомножителей:
4. Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
(для разности аналогично)
Характеристиками рассеяния возможных значений случайной величины вокруг математического ожидания служат, в частности, дисперсия и среднее квадратическое отклонение.Дисперсией случайной величины Х называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
Дисперсию удобно вычислять по формуле:
Свойства дисперсии:
1. Дисперсия постоянной равна нулю: D(C)=0
2. Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат:
3. Дисперсия суммы (разности) независимых случайных величин равна сумме дисперсий слагаемых:
4.
Среднее квадратическое отклонение дискретной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии:
σ(X) = √D(X)
38. СППР.Объяснить применение метода математического моделирования на примере фармакокинетической модели. Систе́ма подде́ржки приня́тия реше́ний (СППР) (англ. Decision Support System, DSS) — компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.
Для анализа и выработок предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР или ИСППР.
Структура СППР
- В состав системы поддержки принятия решений входят три главных компонента: база данных, база моделей и программная подсистема, которая состоит из трех подсистем: системы управления базой данных (СУБД), системы управления базой моделей (СУБМ) и системы управления интерфейсом между пользователем и компьютером. - Любая система поддержки принятия решений содержит подсистему данных, которая состоит из двух основных частей: БД и системы управления базой данных (СУБД)
Величина и продолжительность фармакологического эффекта во многом определяется концентрацией лекарственного вещества (ЛВ) в тех органах или тканях, где оно оказывает свое действие. Поэтому очень важно поддерживать определенную (терапевтическую) концентрацию ЛВ в месте его действия. Однако вбольшинстве случаев концентрацию вещества в тканях определить практическиневозможно, поэтому при фармакокинетических исследованиях определяют концентрации ЛВ в плазме крови, которые для большинства веществ коррелируют сих концентрациями в органах мишенях.В результате всасывания, распределения, депонирования и элиминации (биотрансформации и выведения) ЛВ его концентрация в плазме крови изменяется. Эти изменения могут быть отражены графически. Для этого концентрацию лекарственного вещества измеряют в плазме крови сразу и через определенные промежутки времени после его введения и на основании полученных данных строят кривую изменения концентрации Л В во времени, или так называемую фармакокинетическую кривую.Для того чтобы количественно оценить влияние процессов всасывания, распределения депонирования и элиминации на концентрацию ЛВ в крови, используют математические фармакокинетические модели. Различают однокамерные, двухкамерные и многокамерные фармакокинетические модели.После поступления вещества в камеру в количестве D оно распределяется мгновенно и равномерно и занимает объем камеры, при этом концентрация вещества, которая создается в камере, обозначается как начальная концентрация С0. Объем распределения вещества в камере Vd (volume of distribution) = D/C0.В клинической практике используют параметр, который получил название кажущийся объем распределения (apparent volume of distribution, Vd).Кажущийся объем распределения гипотетический объем жидкости организма, в котором лекарственное вещество распределено равномерно и при этом находится в концентрации, равной концентрации данного вещества в плазме крови (С ). Соответственно, кажущийся объем распределения Vd = Q/C где Q — количество вещества в организме при концентрации в плазме крови С .\
- 1. Определение информатики. Общие понятия информатики. Формула для количественного.Определения информации. Единицы измерения информации. Определение информатики
- 2. Определение медицинской информатики, как прикладной науки. Задачи, решаемые методами медицинской информатики.
- 6. Локальные вычислительные сети. Протоколы компьютерных сетей. Понятие выделенного и невыделенного сервера.
- 7. Технические и программные средства локальных компьютерных сетей. Линии связи, каналы связи.
- 8. Локальные сети: файл-серверные и клиент-серверные технологии
- 10. Типы баз данных. Особенности реляционных субд ms Access и субд OpenOffice.Org Base. Назначение объектов субд Access и Base: таблицы, формы, запросы, отчеты. Типы данных.
- 13. Субд, их основные типы и характеристики. Основные типы объектов субд (таблицы и проч.). Основные задачи, решаемые этими программами. Архитектура, примеры.
- 15. Приложения и пакеты приложений. Характеристики OpenOffice и ms Office. Ценовые и качественные характеристики.
- 30.Диагностический знак. Чувствительность, Специфичность, Положительная и Отрицательная предсказательная сила. Соотношение подобия. Примеры.
- 32. В рамках классификации информационных медицинских систем (имс), определите, что такое автоматизированные медицинские системы территориального уровня. На какие виды их подразделяют?
- 41.Дискретные и непрерывные случайные величины. Числовые характеристики дискретной случайной величины (математической ожидание дисперсия), их свойства.
- 18. Адреса. Доменная организация адресного пространства. Понятие о поддоменах и сверхдоменах.
- 50. Абсолютная и относительная погрешности. Погрешности прямых и косвенных измерений. Методы статистической обработки вариационных рядов.
- 52. Теорема сложения для несовместных событий. Теорема умножения для независимых событий. Условная вероятность. Полная вероятность. Формула Байеса.
- 56. Задача дисперсионного анализа. Однофакторный и двухфакторный анализ.