- •15. Статистическая проверка гипотез.
- •16,17 Функциональная и корреляционная зависимость.
- •18. Характеристики свободных колебаний.
- •19. Уравнение и характеристики механических волн.
- •20. Эффект Доплера и его использование для медико-биологических исследований.
- •21. Звуковые колебания и волны.
- •22. Характеристики слухового ощущения и их связь с физическими характеристиками звука.(с. 96-97)
- •23. Физические основы звуковых методов исследования в клинике.
- •24. Основные понятия биомеханики. Внешние и внутренние силы, нормальные и касательные напряжения.
- •25. Упругая деформация; понятие пластичности и хрупкости. Закон Гука, модуль Юнга, коэффициент Пуассона.
- •26. Диаграмма удлинений. Предел упругости, текучести, прочности.
- •27.Понятие о деформациях сдвига, кручения, изгиба. Связь модуля упругости при сдвиге с модулем Юнга и коэффициентом Пуассона.
- •28.Прочность материалов. Физические аспекты прочности и разрушения материалов.
- •29. Статические и динамические нагрузки. Понятие об усталостной прочности, пределе усталости.
- •30. Влияние температуры, фактора времени, агрессивных сред и влажности на характеристики материалов.
- •31. Методы определения физико-механических свойств стоматологических материалов.
- •32. Классификация стоматологических материалом: конструкционные, вспомогательные и клинические материалы. Основные требования к ним.
- •42. Закон Стефана – Больцмана и смещение Вина.
- •43. Классификация медицинской электронной аппаратуры.
- •44. Требования, предъявляемые к медицинской аппаратуре.
- •45. Электроды и датчики, основные характеристики.
- •46. Ядерный магнитный резонанс. Магнитно- резонансная томография. Компьютерная томография.
16,17 Функциональная и корреляционная зависимость.
Корреляционная зависимость. Уравнения регрессии
При изучении объектов в биологии и медицине приходится иметь дело с функциональными связями другого рода. При этом определенному значению одного признака соответствует не одно значение другого, а целое распределение значений. Такая связь называется корреляционной связью, или просто корреляцией. Корреляционная связь, например, между возрастом и ростом детей выражается в том, что каждому значению возраста соответствует определенное распределение роста (а не одно единственное значение). При этом с увеличением возраста (до определенных пределов) возрастает и среднее значение роста.
Количественную характеристику взаимосвязи изучаемых признаков можно дать на основании вычисления показателя силы связи между ними (коэффициента корреляции) и определения зависимости одного признака от изменений другого (уравнения регрессии). Коэффициент корреляции определяет не только степень, но и направление связей между величинами. Если отсутствие функциональной зависимости между величинами условно соответствует нулевой корреляции, а полная функциональная зависимость — корреляции, равной единице, то сила корреляционной связи, вообще говоря, измеряется промежуточными значениями (от 0 до +1). При этом при положительном коэффициенте корреляции с увеличением одной величины возрастает и другая. Если же коэффициент корреляции отрицателен, то возрастание одного параметра сопровождается уменьшением другого. В простом случае при линейной зависимости между исследуемыми параметрами используют коэффициент корреляции Бравэ—Пирсона. Рассчитанный коэффициент корреляции сравнивают с теоретическим, который находят в специальной таблице с учетом определенного уровня значимости и объема выборки Входными значениями таблицы являются число пар исследуемых признаков (п) и уровень значимости (0,05 или 0,01). При этом нулевая гипотеза заключается в том, что корреляционной связи между исследуемыми параметрами не существует. Если получают значения коэффициента корреляции больше табличного, с определенной степенью вероятности полагают, что корреляция в генеральной совокупности отличается от нуля.
Количественное представление зависимости изменений одного признака от изменений другого позволяет получить показатели регрессии. Как правило, анализ регрессии начинают с графического изображения данных. При большом числе исходных данных для выявления общей закономерности вычисляются средние значения одного признака (у) в группах (классах), соответствующих определенному интервалу значений другого признака (х). При построении графика по усредненным данным точки на графике располагаются вдоль так называемой эмпирической линии регрессии. Затем проводят подбор и составление уравнения регрессии. С помощью такого уравнения можно теоретически рассчитать значения, которые должен принимать один признак при определенных значениях другого (уравнение прогноза).
Если предполагается существование линейной зависимости между исследуемыми признаками (линейная регрессия), то проводить регрессионный анализ наиболее просто. Часто при этом применяют графический метод. Для проведения линии регрессии используют прозрачную линейку, придавая ей такое положение, чтобы выше и ниже предполагаемой линии регрессии оказалось приблизительно одинаковое число эмпирических точек. На полученной прямой определяют координаты двух наиболее отдаленных точек xv уг и х2, у2- Затем составляют систему двух уравнений:
у1 = а + bxv у2 = а + bх2.
Из полученной системы уравнений определяют неизвестные а и b: b = (у2 - ул)/(х2 - хг), а = уу - bхх = у2 - bх2. Наконец, при известных коэффициентах а и Ь записывают уравнение прогноза, на основании которого можно рассчитать значение параметра у при известном значении х.
Задача корреляционного анализа сводится к установлению направления и формы связи между признаками, измерению ее тесноты и к оценке достоверности выборочных показателей корреляции. Корреляционная связь между признаками может быть линейной и криволинейной (нелинейной), положительной и отрицательной. Прямая корреляция отражает однотипность в изменении признаков: с увеличением значений первого признака увеличиваются значения и другого, или с уменьшением первого уменьшается второй. Обратная корреляция указывает на увеличение первого признака при уменьшении второго или уменьшение первого признака при увеличении второго. Например, больший прыжок и большее количество тренировок — прямая корреляция, уменьшение времени, затраченного на преодоление дистанции, и большее количество тренировок — обратная корреляция.
В практических исследованиях возникает необходимость аппроксимировать (описать приблизительно)диаграмму рассеяния математическим уравнением. То есть зависимость между переменными величинами Yи Х можно выразить аналитически с помощью формул и уравнений и графически в виде геометрического места точек в системе прямоугольных координат. График корреляционной зависимости строится по уравнениям функции и , которые называются регрессией (термин “регрессия” происходит от лат. regressio — движение назад). Здесь и — средние арифметические из числовых значений зависимых переменных Y и X. Для выражения регрессии служат эмпирические и теоретические ряды, их графики — линии регрессии, а также корреляционные уравнения (уравнения регрессии) и коэффициент линейной регрессии. Показатели регрессии выражают корреляционную связь двусторонне, учитывая изменение средней величины признака Y при изменении значений xi признака X, и, наоборот, показывают изменение средней величины признака Х по измененным значениям yi признака Y. Исключение составляют временные ряды, или ряды динамики, показывающие изменение признаков во времени. Регрессия таких рядов является односторонней. Ряды регрессии, особенно их графики, дают наглядное представление о форме и тесноте корреляционной связи между признаками,в чем и заключается их ценность. Форма связи между показателями, влияющими на уровень спортивного результата и общей физической подготовки занимающихся физической культурой и спортом, может быть разнообразной. И поэтому задача состоит в том, чтобы любую форму корреляционной связи выразить уравнением определенной функции (линейной, параболической и т.д.), что позволяет получать нужную информацию о корреляции между переменными величинами Y и X, предвидеть возможные изменения признака Y на основе известных изменений X, связанного с Y корреляционно.