首页 > 文献资料
-
医院动态数据中周期信息的利用
在医院管理活动中,按某种(相等或不相等的)时间间隔对管理指标进行动态观察.由于随机因素的影响,各次观察的指标x1,x2,x3,…,xi,…都是随机变量,这种按时间顺序排列随机变量的一组动态数据称为时间序列[1].例如某地区某种疾病发病率或病死率的定期观测数据、某医院某临床科室逐日门诊量等均构成一时间序列.时间序列中包含着客观事物动态演变的基本规律,在对时间序列建模进而进行预测预报时,其周期性是主要的特征之一.自变量为时间(t)的时域中,周期性表现为时序中特定时段出现由季节性因素(如气温变化、休假日等)引起的规律性变化;在自变量为频率(f)的频域分析中, 周期性的定义则可以方便地给出在特征频率点处的谱峰.
-
临床试验小随机化的方法概况和研究前景
随机化是临床试验设计的重要环节,是保证试验组间均衡、减少偏倚的重要手段.作为一种动态随机化方法,小随机化在基线因素影响较大的小样本量临床试验中有很大的优势,能起到均衡各组例数和重要预后因素的作用.文中主要阐述了小随机化方法的基本过程,介绍了几种补充的实施方法,对小随机化的一些重要的相关问题进行讨论.
-
时间序列周期性检验方法研究进展
时间序列是按时间顺序根据一定采样间隔对客观事物进行动态观察得到的一组数据,由于每次采样存在随机因素的作用,各次观察指标都是随机的,因此时间序列被称作随机过程的一次样本实现.周期成分常常是一个时间序列具有的特征,如生物医学信号处理中的心电图、脑电图、医院月度门诊量等都具有一定的周期性.准确地把握时间序列的周期特征对于揭示动态数据蕴含的客观信息具有重要意义.一方面通过检测序列所具有的真实周期,用于序列的信息特征分析;另一方面,一些研究不局限于发现序列的周期成分,而是进一步利用具有周期特性的时间序列作为前提进行预测与预报、检测不规则波动、发现序列异同、判断移动假日效应等[1].
-
应用灰色系统模型预测药品市场销售量
1 问题的提出在市场经济条件下,影响药品市场销售量的随机因素很多,如何准确地预测药品销售量,对药品生产厂家来说尤为重要.
-
心律变异非线性动力学分析的随机因素研究
本文结合生理意义讨论了外部噪声对心律变异(HRV)非线性动力学分析的影响和HRV的自身随机性.分析了采样率、平稳性、非均匀时间间隔等因素的影响和去除,提出一种针对心动周期信号的内插算法.实验表明这些措施能改善分析效果.文中还从替代数据、交互信息、非线性预测等非线性动力学角度研究了HRV的自身随机性,指出HRV是确定性混沌与随机过程的综合体.