《腦卒中英語教程》王宏文主編全文翻譯.d》

1、2012高教社杯全國大學(xué)生數(shù)學(xué)建模競賽承 諾 書我們仔細(xì)閱讀了中國大學(xué)生數(shù)學(xué)建模競賽的競賽規(guī)則.我們完全明白，在競賽開始后參賽隊(duì)員不能以任何方式（包括 、電子郵件、網(wǎng)上咨詢等）與隊(duì)外的任何人（包括指導(dǎo)教師）研究、討論與賽題有關(guān)的問題。我們知道，抄襲別人的成果是違反競賽規(guī)則的, 如果引用別人的成果或其他公開的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。我們鄭重承諾，嚴(yán)格遵守競賽規(guī)則，以保證競賽的公正、公平性。如有違反競賽規(guī)則的行為，我們將受到嚴(yán)肅處理。我們授權(quán)全國大學(xué)生數(shù)學(xué)建模競賽組委會(huì)，可將我們的論文以任何形式進(jìn)行公開展示（包括進(jìn)行網(wǎng)上公示，在

2、書籍、期刊和其他媒體進(jìn)行正式或非正式發(fā)表等）。我們參賽選擇的題號(hào)是： C 我們的參賽報(bào)名號(hào)為（如果賽區(qū)設(shè)置報(bào)名號(hào)的話）： 所屬學(xué)校（請(qǐng)?zhí)顚懲暾娜?四川文理學(xué)院 參賽隊(duì)員 (打印并簽名) ：1. 2. 3. 指導(dǎo)教師或指導(dǎo)教師組負(fù)責(zé)人 (打印并簽名)： 日期： 2012 年 9 月 7 日賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：2012高教社杯全國大學(xué)生數(shù)學(xué)建模競賽編 號(hào) 專 用 頁賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：賽區(qū)評(píng)閱記錄（可供賽區(qū)評(píng)閱時(shí)使用）：評(píng)閱人評(píng)分備注全國統(tǒng)一編號(hào)（由賽區(qū)組委會(huì)送交全國前編號(hào)）：全國評(píng)閱編號(hào)（由全國組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：腦卒中發(fā)病環(huán)境因素分析

3、及干預(yù)摘 要本文就腦卒中發(fā)病環(huán)境因素分析及干預(yù)的問題，通過EXCEL的數(shù)據(jù)統(tǒng)計(jì)及作圖分析，利用多元線性回歸擬合、層次分析法和模糊綜合評(píng)判法進(jìn)行定量、定性的分析,得到如下相關(guān)結(jié)論。對(duì)于問題一：分別就職業(yè)、年齡、性別對(duì)腦卒中的發(fā)病情況采用統(tǒng)計(jì)分析方法，并利用EXCEL軟件對(duì)所給數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述。在發(fā)病人數(shù)中：農(nóng)民發(fā)病率最高，達(dá)到45.09%；年齡段在60歲到74歲、75歲到89歲發(fā)病率相對(duì)較高，分別為39%、40%；男性發(fā)病率比女性發(fā)病率高出33.427%。對(duì)于問題二：解決步驟：建立層次分析模型，采用Matlab編程，得到各因素間的綜合排序：相對(duì)濕度氣溫氣壓；采用單因素相關(guān)分析和多因素回歸分析的方

4、法來探討氣溫、氣壓、相對(duì)濕度與發(fā)病率之間的關(guān)系；利用Matlab軟件進(jìn)行擬合得到回歸方程式、時(shí)間與月份的發(fā)病時(shí)間序列方程式，進(jìn)行殘差作圖分析，并就發(fā)病時(shí)間序列方程式預(yù)測(cè)出了該城市2011年1月份的發(fā)病率為7.6402%；利用模糊綜合評(píng)判法對(duì)整個(gè)模型進(jìn)行綜合評(píng)價(jià)，得到發(fā)病率相對(duì)較高的季節(jié)為夏季和秋季。對(duì)于問題三：結(jié)合問題一、二所得結(jié)論及網(wǎng)上相關(guān)文獻(xiàn)資料，通過建立高危人群的層次模型，利用Matlab軟件求出各因素的權(quán)重值，得到腦卒中高危人群的重要特征及關(guān)鍵指標(biāo)，從定性、定量兩方面對(duì)高危人群提出了相應(yīng)的預(yù)警和干預(yù)的建議方案。 關(guān)鍵詞：統(tǒng)計(jì)分析 層次分析法 多項(xiàng)式回歸 殘差分析 模糊綜合評(píng)判 一問題重

5、述腦卒中（俗稱腦中風(fēng)）是一種突然起病的腦血液循環(huán)障礙性疾病,也是目前嚴(yán)重威脅人類生命的疾病之一，這種疾病的誘發(fā)已經(jīng)被證實(shí)與環(huán)境因素（氣溫、濕度、氣壓等）存在密切的關(guān)系。對(duì)腦卒中的發(fā)病環(huán)境因素進(jìn)行分析，其目的是為了進(jìn)行疾病的風(fēng)險(xiǎn)評(píng)估，對(duì)腦卒中高危人群能夠及時(shí)采取干預(yù)措施，也讓健康人或者亞健康人了解自己得腦卒中風(fēng)險(xiǎn)程度，從而進(jìn)行自我保護(hù)。并且通過數(shù)據(jù)模型的建立，掌握疾病發(fā)病率的規(guī)律，對(duì)于衛(wèi)生行政部門和醫(yī)療機(jī)構(gòu)合理調(diào)配醫(yī)務(wù)力量、改善就診治療環(huán)境、配置床位和醫(yī)療藥物等都具有實(shí)際的指導(dǎo)意義。本文要求根據(jù)題目所提供的數(shù)據(jù)，回答以下三個(gè)問題：1 根據(jù)病人的基本信息，對(duì)發(fā)病人群進(jìn)行分析統(tǒng)計(jì)描述。2 建立數(shù)學(xué)模

6、型研究腦卒中發(fā)病率與氣溫、氣壓、相對(duì)濕度間的關(guān)系。3 查閱和搜集文獻(xiàn)中有關(guān)腦卒中高危人群的重要特征和關(guān)鍵指標(biāo)，結(jié)合1、2中所得到的結(jié)論，對(duì)高危人群提出預(yù)警和干預(yù)的建議方案。二問題分析2.1 針對(duì)問題一：根據(jù)附表給定的相關(guān)資料,首先由于數(shù)據(jù)龐大所以我們對(duì)其先進(jìn)行歸納分類;其次,根據(jù)內(nèi)容我們分別對(duì)各年份不同性別、職業(yè)、年齡的發(fā)病人數(shù)進(jìn)行統(tǒng)計(jì)分析;最后通過作相應(yīng)的柱狀圖、餅狀圖和散點(diǎn)曲線圖進(jìn)行直觀描述并進(jìn)行簡要的分析。2.2 針對(duì)問題二：對(duì)于研究腦卒中發(fā)病率與氣溫、氣壓、相對(duì)濕度間的關(guān)系，我們首先建立層次分析模型；其次，對(duì)附表數(shù)據(jù)進(jìn)行處理并采用單因素和多因素回歸分析方法對(duì)模型進(jìn)行分析、預(yù)測(cè)；最后，對(duì)

7、模型做出綜合性的評(píng)價(jià)。2.3 針對(duì)問題三：通過對(duì)問題一、二的結(jié)果進(jìn)一步分析，查閱和搜集相關(guān)文獻(xiàn)，得到腦卒中高危人群的重要特征和關(guān)鍵指標(biāo)，再次運(yùn)用層次分析法得出結(jié)論，對(duì)高危人群提出相應(yīng)的預(yù)警和干預(yù)的建議方案。3 模型假設(shè)1、 由于不同地區(qū)的氣候不同，影響程度不一樣，所以本文不針對(duì)其它地區(qū)的情況進(jìn)行考慮，只限于該城市；2、 假設(shè)數(shù)據(jù)表中有空缺和錯(cuò)誤的數(shù)據(jù)是隨機(jī)分布；3、 假設(shè)表中的數(shù)據(jù)都具有針對(duì)性、合理性和代表性；4、 假設(shè)只考慮環(huán)境因素中的氣象問題；5、 假設(shè)在20072010年期間該城市沒有重大自然環(huán)境的變化；6、 由于本文討論的是環(huán)境因素對(duì)腦卒中發(fā)病的影響，所以不考慮影響腦卒中發(fā)病的其它因素

8、。4 符號(hào)說明該城市第2006+年的第個(gè)職業(yè)的發(fā)病人數(shù)該城市第2006+年的第個(gè)職業(yè)的發(fā)病人率該城市第2006+年的發(fā)病總?cè)藬?shù)男性發(fā)病人群比女性發(fā)病人群高出的比例該城市2010年第個(gè)月的發(fā)病人數(shù) 該城市2010年第個(gè)月的發(fā)病率該城市平均氣壓該城市最高氣壓該城市最低氣壓 該城市平均溫度 該城市最高溫度該城市最低溫度該城市平均相對(duì)濕度 該城市最小相對(duì)濕度 每個(gè)影響因素對(duì)應(yīng)的判斷矩陣，矩陣對(duì)應(yīng)的權(quán)向量，空氣中的實(shí)際水汽壓同溫條件下純水（冰）平面飽和水汽壓零點(diǎn)溫度模糊評(píng)判矩陣模糊綜合評(píng)價(jià)結(jié)果向量 隨機(jī)誤差五模型的建立及求解5.1 問題一針對(duì)問題一將附表3中的數(shù)據(jù)進(jìn)行歸類整理，就其職業(yè)、年齡段和性別三方

9、面進(jìn)行統(tǒng)計(jì)、作圖、分析。5.11 從職業(yè)方面考慮結(jié)合附表4利用Excel軟件統(tǒng)計(jì)出該城市各年份中各職業(yè)的腦卒中人數(shù)做出統(tǒng)計(jì)表(其中處理數(shù)據(jù)時(shí)，職業(yè)為9或空格的全部歸為職業(yè)9，即為其他或缺失職業(yè))：表(一)職業(yè)年業(yè)123456789人數(shù)合計(jì)2007 7029 773 1903 38 17 22 50 416 2271 125192008 10082 1252 2497 63 38 19 108 807 4146 190122009 1549 1478 116 71 6 35 313 23 6413 100042010 10915 1298 2119 44 4 13 252 502 4444 19

10、591注：Occupation(職業(yè)): 1- 農(nóng)民 2- 工人 3- 退休人員 4- 教師5- 漁民 6- 醫(yī)務(wù)人員 7- 職工 8- 離退人員 9- 空格、其他或缺失對(duì)表(一)中的數(shù)據(jù)，根據(jù)公式：求出發(fā)病人數(shù)在各個(gè)職業(yè)中所占比例，再利用Excel軟件做出各個(gè)職業(yè)近四年發(fā)病率()的柱狀圖如(圖1)：圖1通過觀察和分析(圖1)發(fā)現(xiàn)，在題目的附錄中明確指出2009年的數(shù)據(jù)有缺失，所以出現(xiàn)與其他年份不相近的結(jié)果，但總體趨勢(shì)是相同的，腦卒中在農(nóng)民人群中發(fā)病率相對(duì)最高，主要原因是農(nóng)民長期在田間勞作，其濕度相對(duì)其他職業(yè)的工作地點(diǎn)較高，因此農(nóng)民中腦卒中的發(fā)病率較高，其次就我國現(xiàn)狀中農(nóng)民人口相對(duì)其他職業(yè)的人

11、口多出很多,故腦卒中的發(fā)病數(shù)較多。因此，可以通過提高農(nóng)作技術(shù)來降低農(nóng)民在濕度較高的農(nóng)田里工作的時(shí)間，從而降低腦中風(fēng)的發(fā)病率。5.12 從年齡段方面考慮通過網(wǎng)上查閱資料1 董淼, 體重指數(shù)出現(xiàn)新說法 :/finance.ifeng /roll/20110310/3621467.shtml 20120909，按國際最新分法將人群分為以下五個(gè)階段：表(二) 年齡階段44歲以下45歲59歲60歲74歲75歲89歲90歲以上人群 青年人 中年人年輕老年人老年人長壽人再結(jié)合附表4中的數(shù)據(jù)，利用Excel軟件統(tǒng)計(jì)出該城市近四年中各年齡段的腦卒中人數(shù)做出統(tǒng)計(jì)表為：表(三)年齡階段44歲以下45歲59歲60歲7

12、4歲75歲89歲90歲以上人數(shù)187772591788118549513對(duì)表(三)再利用Excel軟件做出餅狀圖形如圖2：圖2通過觀察（圖2）并分析，發(fā)現(xiàn)年齡段在75歲到89歲之間的人群發(fā)病數(shù)最高占40%，其次是60歲到74歲之間的人群發(fā)病數(shù)占39%，45歲到59歲之間的人群發(fā)病數(shù)占相對(duì)較小的部分，最后44歲以下和90歲以上的人群所占比例最少。5.13 從性別方面考慮結(jié)合附表4利用Excel軟件統(tǒng)計(jì)出該城市近四年中各個(gè)年齡段中男女發(fā)病人數(shù)做出統(tǒng)計(jì)表為：表(四)各年齡階段44歲以下45歲59歲60歲74歲75歲89歲 90歲以上男 1430 5623 1379111896 443女 902 39

13、02 1033612406 785對(duì)表(四)再利用Excel軟件做出光滑、連續(xù)的散點(diǎn)曲線圖如圖3：圖3通過觀察（圖3），發(fā)現(xiàn)各個(gè)年齡段上基本都是男性發(fā)病的人數(shù)比女性發(fā)病的人數(shù)多，尤其是在60歲至74歲的人群中男性發(fā)病人數(shù)比女性發(fā)病人數(shù)高出了，因此性別對(duì)腦卒中發(fā)病率還是影響較大的。5.2對(duì)于問題二5.21.構(gòu)造層次模型2 姜啟源，謝金星，葉俊，數(shù)學(xué)模型，北京：高等教育出版社，2004氣溫氣壓相對(duì)濕度生活行為方式遺傳因素醫(yī)療衛(wèi)生服務(wù)環(huán)境因素 發(fā)病率 由于影響發(fā)病率的因素很多且數(shù)據(jù)龐大，因此我們選取從一個(gè)側(cè)面即環(huán)境中的氣象因素對(duì)發(fā)病率的影響情況進(jìn)行分析。數(shù)據(jù)（見Appendix-C1）來源于中國某城

14、市各家醫(yī)院2007年1月至2010年12月的腦卒中發(fā)病病例信息以及相應(yīng)期間當(dāng)?shù)氐闹鹑諝庀筚Y料（Appendix-C2）附表4。5.22綜合氣溫、氣壓、相對(duì)濕度對(duì)發(fā)病率的影響程度構(gòu)造一個(gè)判斷矩陣：一致性指標(biāo)的數(shù)據(jù)，1-9的尺度（見附錄1）一致性檢驗(yàn)：(Matlab編程代碼見附錄代碼1) ，歸一化后的權(quán)向量：影響程度的綜合排序：相對(duì)濕度氣溫氣壓綜上證實(shí)了問題一中:農(nóng)民工發(fā)病率最高的較大影響因素是相對(duì)濕度，同時(shí)也驗(yàn)證了相對(duì)濕度在發(fā)病率中影響程度較高以及其所占的權(quán)值最大。5.23對(duì)氣溫、氣壓、相對(duì)濕度數(shù)據(jù)的處理結(jié)合問題一中得出的相關(guān)數(shù)據(jù)對(duì)該城市2007年至2010年的氣象資料(見Appendix-C2

15、)中的數(shù)據(jù)進(jìn)行處理：表（五） 2010年每月份發(fā)病人數(shù)月份1月2月3月4月5月6月7月8月9月10月11月12月發(fā)病人數(shù)175814931725170218801605175916741631171215691078注：2007年、2008年、2009年的發(fā)病人數(shù)見附表2利用：求出20072010年每個(gè)月的發(fā)病人數(shù)所占的比例為：表（六）月份1月2月3月4月5月6月7月8月9月10月11月12月發(fā)病率(%)8.987.628.818.699.68.198.988.558.338.748.015.5注：2007年、2008年、2009年的發(fā)病人率見附表2表（七）該城市2010年每月份的氣壓、溫度和

16、濕度的相關(guān)數(shù)據(jù)月份因素1234567891011121025.7551020.6711020.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.2391029.0061023.5751024.0481021.361011.8131009.1131006.7871009.211013.21020.7651024.121023.291022.311017.6361016.591014.331007.61006.041003.5611005.6421009.861017.0261019.7471016.9164

17、.4396.9438.74812.52320.70623.728.58730.43225.54718.05812.9936.9398.87110.88213.116.7625.15827.53332.6134.93529.34322.117.9512.0231.0323.8075.4399.02317.12920.7625.83526.97422.67314.6688.6873.07770.93574.67970.80669.56768.38776.475.58171.58177.274.2968.962.22650.61355.42951.09750.446.54856.96758.1295

18、1.64558.46752.09742.43338.516注：2007年、2008年、2009年的氣壓、溫度和濕度的相關(guān)數(shù)據(jù)見附表35.24采用單因素相關(guān)分析和多因素回歸分析方法3 韓中庚，數(shù)學(xué)建模方法及其應(yīng)用M，北京：高等教育出版社，2005。探討發(fā)病率與氣溫、氣壓、相對(duì)濕度之間的關(guān)系。1.單因素分析：我們把2007年到2010年每個(gè)月平均氣壓、最高氣壓、最低氣壓與每個(gè)月發(fā)病率的的數(shù)據(jù)對(duì)應(yīng)結(jié)合在一起進(jìn)行統(tǒng)一擬合，并利用Matlab軟件擬合相應(yīng)的函數(shù)關(guān)系式。（1）各氣象與發(fā)病率的相關(guān)程度1.氣壓：該城市發(fā)病率與氣壓的相關(guān)程度不明顯。其相關(guān)系數(shù)，計(jì)算其回歸直線方程(，下同)為(程序見代碼2)：作

19、出其殘差圖為圖42. 氣溫：該城市發(fā)病率與氣溫的呈正相關(guān)，但不顯著。其相關(guān)系數(shù)，計(jì)算其回歸直線方程為(程序見代碼3)： 作出其殘差圖為圖53. 相對(duì)濕度： 該城市發(fā)病率與氣壓呈顯著的正相關(guān)。其相關(guān)系數(shù)，計(jì)算其回歸直線方程為(程序見代碼4)： 作出其殘差圖為圖6綜上各氣象與發(fā)病率的相關(guān)程度分析可得：除部分?jǐn)?shù)據(jù)外，其余數(shù)據(jù)的殘差離零點(diǎn)均較近，且殘差的置信區(qū)間均包含零點(diǎn)，這說明以上回歸模型都能較好的符合原始數(shù)據(jù)，因此對(duì)于未經(jīng)零點(diǎn)的部分?jǐn)?shù)據(jù)可視為異常點(diǎn)。（2） 各氣象因素之間相關(guān)程度分析：由于氣壓、氣溫、相對(duì)濕度之間存在一定的聯(lián)系，且根據(jù)以上得出的結(jié)果分析相對(duì)濕度對(duì)發(fā)病率的影響程度更大，因此相對(duì)濕度(

20、)可以表達(dá)為：（其中：空氣中的實(shí)際水汽壓（）,同溫條件下純水（冰）平面飽和水汽壓（）由馬格努斯公式4 孫士型, 居志剛 三峽壩區(qū)相對(duì)濕度變化特征, 氣象科技 第05期可知：由于地面天氣報(bào)告中沒有水汽壓的資料，因而利用水汽壓計(jì)算相對(duì)濕度有困難，因此我們采用零點(diǎn)溫度（）（表示在水汽含量和大氣壓強(qiáng)不變時(shí)的實(shí)際水汽壓（）進(jìn)行計(jì)算，可在天氣圖和天氣報(bào)文中獲取。2.多因素回歸分析：（1）根據(jù)公式計(jì)算氣壓、氣溫、相對(duì)濕度對(duì)發(fā)病率的共同影響，可得直線回歸方程： (程序見代碼5)（2）對(duì)發(fā)病率進(jìn)行預(yù)測(cè)：根據(jù)模型依次按月的順序擬合出2007年1月到2010年12月的一條發(fā)病率序列為：(程序見代碼6)表（八）年份發(fā)

21、病率（%）序號(hào)12345678910111220077.97268.10128.26588.83178.9958.16218.44168.78038.24798.5488.96958.3423序號(hào)13141516171819202122232420088.86198.84398.97348.79128.65457.64528.63238.20828.09538.20018.05658.4738序號(hào)25262728293031323334353620098.10187.49318.1168.53399.09728.21168.30367.91678.05348.6667.89287.9928序號(hào)

22、37383940414243444546474820108.03367.76038.09038.28468.52198.1018.32978.75398.27528.30848.48568.5341做出原始的實(shí)際發(fā)病序列和擬合后的發(fā)病率時(shí)間序列圖為：圖7通過觀察圖像發(fā)現(xiàn)擬合的發(fā)病率與實(shí)際的發(fā)病率基本相符合，即可以用此模型結(jié)合對(duì)應(yīng)的氣壓、氣溫和濕度來預(yù)測(cè)分析。利用Excel軟件作出時(shí)間序列和發(fā)病率的散點(diǎn)圖，添加多項(xiàng)式函數(shù)的趨勢(shì)，并且顯示出擬合的函數(shù)式（操作方法見附錄中的操作1）：+（其中x為月份，2007年1月為第1個(gè)月份）其圖像為：圖8通過觀察圖像發(fā)現(xiàn)擬合的發(fā)病率與實(shí)際的發(fā)病率基本相符合，即可

23、以用此模型來結(jié)合時(shí)間序列作預(yù)測(cè)分析。預(yù)測(cè)2011年1月份的發(fā)病率，即x=49,則M=7.6402%，在誤差范圍內(nèi)基本符合實(shí)際。5.25對(duì)該模型進(jìn)行模糊綜合評(píng)價(jià)5 吳建國，數(shù)學(xué)建模案例精編， 北京：中國水利水電出版社，2005根據(jù)氣壓、氣溫和相對(duì)濕度對(duì)2007-2010年中每個(gè)月腦卒中發(fā)病率的影響，即建立模糊關(guān)系矩陣將A中的權(quán)向量作為模糊綜合評(píng)價(jià)中評(píng)價(jià)因素的權(quán)向量，即：綜合評(píng)價(jià)結(jié)果向量為：由可得2007-2010年整體發(fā)病率的情況，即將這12個(gè)月的發(fā)病率情況歸納為隨四個(gè)季節(jié)的變化影響：春季（3、4、5月）：0.2333夏季（6、7、8月）：0.3001秋季（9、10、11月）：0.2645冬季（

24、12、1、2月):0.2022用Excel軟件作出餅狀圖為：所以發(fā)病率的高低按季節(jié)排序?yàn)椋合募厩锛敬杭径酒渲饕蚴窍募窘涤炅慷?，空氣中的濕度相?duì)其它季節(jié)較高，夏季太陽照射時(shí)間多，從而氣溫也相其它季節(jié)要高許多，所以夏季腦中風(fēng)的發(fā)病率是四個(gè)季節(jié)中最高的季節(jié)。相反冬季空氣中相對(duì)其它季節(jié)比較干燥，即濕度很低，氣溫也很低，但冬季的氣壓較高，從而彌補(bǔ)了濕度和氣溫低的影響，導(dǎo)致冬季的發(fā)病率與夏季的發(fā)病率相差不是很大，但該季節(jié)發(fā)病率也始終相對(duì)于其它季節(jié)要低。而秋季和春季中的濕度和氣溫就處于夏季和冬季之間，故發(fā)病率也處于它們之間。5.3 問題三531綜合問題一、二結(jié)論根據(jù)問題一所反映出的情況：職業(yè)因素方面看

25、，農(nóng)民占患腦卒中總?cè)丝诘谋壤罡哌_(dá)45.09%，其次是退休人員和工人18.62%,而教師、漁民、醫(yī)務(wù)人員、職工和離退人員卻僅占4.6%，除了前面8個(gè)職業(yè)外的其他職業(yè)患腦卒中的比例占31.68%； 年齡段來看，在75歲到89歲之間的人群患腦卒中的人數(shù)最多，達(dá)到40%，其次是60歲到74歲之間的人群患腦卒中的人數(shù)相對(duì)較多占39%，45歲到59歲之間的人群占16%，而其他人群患腦卒中的比例僅占5%；性別方面來看，在80歲以下的男性患腦卒中的比例比女性患腦卒中的比例高，最高達(dá)到了33.427%，但80歲以上的女性患腦卒中的比例比男性稍高點(diǎn)。根據(jù)問題二所反映出的情況：在環(huán)境因素中相對(duì)濕度對(duì)腦卒中的影響程

26、度最大，夏季的發(fā)病率最高，高達(dá)31%，因此氣象對(duì)人們的健康有著密切的關(guān)系。5.32現(xiàn)狀與指導(dǎo)意義通過查閱和搜集相關(guān)文獻(xiàn)得知，2008年公布的我國居民第三次死因抽樣調(diào)查結(jié)果顯示，腦血管病已成為我國國民第一位的死亡原因。世界衛(wèi)生組織的MONICA研究表明，我國腦卒中發(fā)生率正以每年8.7%的速率上升，發(fā)病者約30%死亡，70%的存活者有偏癱失語等殘障。根據(jù)以上資料顯示，腦卒中嚴(yán)重影響著我國居民的生命，所以我們有必要采取一定預(yù)防措施，從而可以避免腦卒中的發(fā)生，同時(shí)能夠控制已患病者的病情，降低腦卒中的發(fā)病率、致殘率和死亡率。5.33對(duì)高危人群提出預(yù)警和干預(yù)的建議方案如下：通過對(duì)一、二問題結(jié)論的分析我們知

27、道導(dǎo)致腦卒中的因素有高血壓、高血脂、性別歸之于遺傳因素，飲食、鍛煉、醫(yī)療歸之于教育因素，而氣壓、氣溫、濕度是我們研究討論的環(huán)境因素。根據(jù)現(xiàn)代教育學(xué)6 李森,程小端,現(xiàn)代教育學(xué)基礎(chǔ)，華東師范大學(xué)出版社 20098. 附錄Matlab編程：代碼1：A=1 1/3 1/5;3 1 1/3;5 3 1;r_max=max(eig(A)%求出最大特征根CI=(r_max-3)/(3-1)RI=0.58;%3階矩陣的平均隨機(jī)一致性指標(biāo)為0.58CR=CI/RIfor i=1:3 M=1; for j=1:3 M=M*A(i,j); end w(i)=(M)(1/3);endW=w/sum(w)%權(quán)重代碼2

28、：%利用多項(xiàng)式擬合平均氣壓、最高氣壓和最低氣壓與發(fā)病率的關(guān)系式，并檢驗(yàn)殘差A(yù)P=1028.21020.71018.31016.51008.41006.210031004.91010.510191024.11023.51027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.7551020.6711020.3711017.8771009.7871007.64100

29、5.2231007.4711011.5131018.8521021.941020.2391030.31023.51021.31019.31010.81007.81004.81006.71012.31020.91026.11025.91029.81030.11021.31017.11010.81007.61005.31007.510131020.31025.31028.31030.21022.71022.81018.21014.11005.11005.51007.51013.71018.8102610271029.0061023.5751024.0481021.361011.8131009.11

30、31006.7871009.211013.21020.7651024.121023.291026.31017.8101510141005.81004.41001.210031008.71017.11022.11021.31024.610251016.21011.81006.21003.51001.71004.21009.51016.31021.11022.11024.810161016.210131009.81001.510021004.21010.510151020.71022.11022.311017.6361016.591014.331007.61006.041003.5611005.6

31、421009.861017.0261019.7471016.916;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y;X1=ones(48,1) AP(1,:) AP(2,:) AP(3,:);b,brint,r,rint,stata=regress(

32、Y,X1)rcoplot(r,rint)%檢驗(yàn)殘差代碼3：%利用多項(xiàng)式擬合平均溫度、最高溫度和最低溫度與發(fā)病率的關(guān)系式，并檢驗(yàn)殘差T=4.50328.72511.56515.3722.61624.68329.39429.55524.29719.33912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.0228.43927.55224.3320.44211.0335.55484.4396.9438.74812.52320.7

33、0623.728.58730.43225.54718.05812.9936.9398.041913.66415.92920.3427.63928.1933.65233.59728.06323.48117.0311.0776.21947.596615.96819.95326.81326.8134.43531.96128.9823.70316.1611.6487.283911.414.18420.8127.34230.69732.36531.03527.78725.07115.199.32588.87110.88213.116.7625.15827.53332.6134.93529.34322.1

34、17.9512.0231.8715.00717.951611.29318.48722.12326.28726.6121.6616.0528.92675.20.83226-0.586217.012912.10317.04221.0526.8124.94222.11716.8238.65332.7065-0.367745.71076.174211.66316.71922.525.125.25821.72316.5037.97332.53551.0323.8075.4399.02317.12920.7625.83526.97422.67314.6688.6873.077;y=7.055.547.74

35、8.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y;X2=ones(48,1) T(1,:) T(2,:) T(3,:);b,brint,r,rint,stata=regress(Y,X2)rcoplot(r,rint)%檢驗(yàn)殘差代碼4：%利用多項(xiàng)式擬合相對(duì)濕度和最小相對(duì)濕度與發(fā)病

36、率的關(guān)系式，并檢驗(yàn)殘差H=73.22670.78669.2962.56761.77475.573.32369.09776.06771.64562.03367.77457.51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.93574.67970.80669.56768.38776.475.58171.58177.274.2968.962.22651.16146.07148.58

37、138.16739.38759.155.4195160.76751.96845.43358.83955.22642.79336.61346.63340.41966.53351.25857.12958.655.74250.93339.96847.03263.53649.2942.334.51651.73356.6136562.73342.35556.86750.58150.61355.42951.09750.446.54856.96758.12951.64558.46752.09742.43338.516;y=7.055.547.748.138.037.797.578.889.5210.279.

38、1310.34 9.610.2610.069.219.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y;X3=ones(48,1) H(1,:) H(2,:);b,brint,r,rint,stata=regress(Y,X3)rcoplot(r,rint)%檢驗(yàn)殘差代碼5：%利用多項(xiàng)式擬合平均氣壓、平均溫度和平均相對(duì)溫度與發(fā)病率的關(guān)系式，并檢驗(yàn)殘差MX=1028.21020.71018.31

39、016.51008.41006.210031004.91010.510191024.11023.51027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.7551020.6711020.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.2394.50328.72511.5

40、6515.3722.61624.68329.39429.55524.29719.33912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.0228.43927.55224.3320.44211.0335.55484.4396.9438.74812.52320.70623.728.58730.43225.54718.05812.9936.93973.22670.78669.2962.56761.77475.573.32369

41、.09776.06771.64562.03367.77457.51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.93574.67970.80669.56768.38776.475.58171.58177.274.2968.962.226;y=7.055.547.748.138.037.797.578.889.5210.279.1310.34 9.610.2610.069.21

42、9.37.857.867.216.747.737.266.93 8.698.468.318.68.757.949.39.338.37.596.678.07 8.987.628.818.699.68.198.988.558.338.748.015.5;Y=y;X1=ones(48,1) MX(1,:) MX(2,:) MX(3,:);b,brint,r,rint,stata=regress(Y,X1)rcoplot(r,rint)%檢驗(yàn)殘差代碼6：%平均氣壓P=1028.21020.71018.31016.51008.41006.210031004.91010.510191024.11023.5

43、1027.21027.61018.81014.61008.61005.61003.71005.81011.31018.21023.210251027.71019.61019.41015.71012.11003.41003.81005.81012.11016.81023.41024.61025.7551020.6711020.3711017.8771009.7871007.641005.2231007.4711011.5131018.8521021.941020.239;%平均溫度T=4.50328.72511.56515.3722.61624.68329.39429.55524.29719.3

44、3912.5737.92583.1292.993111.07715.6321.4123.49330.17428.0124.94719.90612.0676.80322.96138.296410.00315.90721.61326.0228.43927.55224.3320.44211.0335.55484.4396.9438.74812.52320.70623.728.58730.43225.54718.05812.9936.939;%平均相對(duì)濕度R=73.22670.78669.2962.56761.77475.573.32369.09776.06771.64562.03367.77457.

45、51657.89757.96862.43366.25882.36771.32377.32379.43377.19475.56765.54869.64579.46470.93567.361.25874.36775.12981.5488069.54877.471.90370.93574.67970.80669.56768.38776.475.58171.58177.274.2968.962.226;for i=1:48 M(i)=-21.5592+0.033*P(i)+0.0525*T(i)-0.0633*R(i);endM%顯示擬合的發(fā)病率序列代碼7%高危人群A:A=1 3 1/7;1/3 1

46、1/5;7 5 1r=eig(A)CI=(r-3)/2CR=CI/2x,y=eig(A);m m=find(y=max(max(y);W=x(:,m)/sum(x(:,m)%遺傳因素B1：B1=1 2 7;1 1/2 4;1/7 1/4 1r=eig(B1)CI=(r-3)/2CR=CI/2x,y=eig(B1);m m=find(y=max(max(y);w1=x(:,m)/sum(x(:,m)%教育因素B2：B2=1 7 5;1/7 1 1/2;1/5 2 1r=eig(B2)CI=(r-3)/2CR=CI/2x,y=eig(B2);m m=find(y=max(max(y);w2=x(:

47、,m)/sum(x(:,m)%綜合排序：W=0.1702 0.0915 0.7383G=0.6026 0.3150 0.0823;0.7396 0.0938 0.1666;0.1047 0.2583 0.6370W=W*G操作步驟1:選中散點(diǎn)圖形中的點(diǎn)右擊散點(diǎn)左擊“添加趨勢(shì)線”左擊“類型”左擊“多項(xiàng)式”左擊“選項(xiàng)”選中“顯示公式”選中“顯示R平方值”左擊“確定”附錄1：隨機(jī)一致性指標(biāo)RI的數(shù)值n1234567891011RI000.580.91.121.241.321.411.451.491.511-9尺度的含義尺度含義1Ci與Cj的影響相同3Ci比Cj的影響稍強(qiáng)5Ci比Cj的影響強(qiáng)7Ci比Cj的影響明顯的強(qiáng)9Ci比Cj的影響絕對(duì)的強(qiáng)2，4，6，8Ci與Cj的影響之比在上述兩個(gè)相鄰等級(jí)