建模论文-血样的分组检验

第1页数学建模课程论文题目：血样的分组检验1．姓名：学号：2．姓名：学号：3．姓名：学号：第2页血样的分组检验摘要本文主要为了解决减少血样检验次数这个实际问题,为了在人群中(数量很大,基本上是健康人)找出某种病毒的感染者,为减少检验次数,通常采用筛选的办法：即假设人群总数为n,将人群分成m组,每组的人数为k,将每组的k份血样混在一起进行化验,若化验结果呈阳性,则需要对该组的每个人重新进行化验,以确定谁是病毒感染者;若化验结果呈阴性,则表明该组全体成员均为阴性,不需要重新化验。通过把人群分为若干组,每组若干人,易得到混合血样检验次数,阳性组的概率,进而引入阳性组数的平均值,从而得到平均总检验次数,最后通过一个人的平均检验次数的一元函数,把问题归结为一个关于每组人数k的一元函数()EX,求解得1()1(1)kEXpk;通过计算,当0.307p时不应分组;将第1次检验的每个阳性组再次分m组,建立一个关于k,m的二元函数,再通过求导得稳定点函数。关键字：化验次数非线性规划数学期望最佳分组人数第3页1问题提出在一个很大的人群中通过血样检验普查某种疾病，假定血液为阳性的先验概率为p（通常p很小）。为减少检验次数，将人群分组，一组人的血样混合在一起化验。当某组混合血样呈阴性时，既可不检验判定该组每个人的血样都为阴性；而当某组的混合血样呈阳性时，即可判定该组至少有一人血样为阳性，于是需要对这组的每个人再做检验。（1）当p固定时（如0.01%，…，0.1%，…，1%，…）如何分组，即多少人一组，可使平均检验次数最少。（2）当p多大时不应分组检验。（3）当p固定时如何进行二次分组（即把混合血样为阳性的组在分成小组检验，重复一次分组时的程序）。（4）讨论其他分组方式，如二分法（人群一分为二，阳性组一分为二，继续下去），三分法等。2基本假设结合本问题的实际情况，对该模型作出如下合理的假设：1.人群数量总数为n人,是确定的；2.假设在血样检验之前，确定的已知先验阳性的概率P是确定的常数；3.每个人检验一次是否阳性的概率相互独立，即每个人接受检验是互相独立事件，互不影响；4.每次分组时都能达到平均分配，能分成m组，即nmp，m为正整数。3符号说明n：检验人群总数p：阳性的先验概率m：被分成的组数k：每组人数m：第二次分组的组数第4页k：第二次分组每组人数X：第一次分组每人的化验次数X：第二次分组每人的化验次数1p:在二次分组检验模型中，第一次分组时，小组为阳性的概率2p:在二次分组检验模型中，第二次分组时，小组为阳性的概率()EX：第一次分组的平均每个人化验次数X的数学期望()Ex：第二次分组平均每个人化验次数X的数学期望4问题分析4.1问题一分析人群总数为n，分m组，每组人数k。阳性的先验概率为p，则阴性的先验概率为1p。如果不分组，则每个人需要化验1次。如果分组，当某组化验结果是阴性，则不需要再进行化验，该组平均每个人的化验次数为1k，概率为(1)kp；当某组化验结果是阳性时，则需要对该组每个人进行化验，该组平均每个人的化验次数为1kk，概率为1(1)kp，因此，需要分组的条件是第一次分组化验次数的数学期望小于1。要求化验次数的数学期望的最小值，就是要求在满足数学期望小于1的情况下的每组人数k。4.2问题二分析不应分组的条件就是要求阳性的先验概率p多大时，使得分组后平均每个人化验次数的数学期望大于不分组时平均每个人化验次数。4.3问题三分析问题三是在第一次分组化验的基础上再次分组化验的问题。对于第一次分组化验为阳性的组，重新分为m组，每组k人。以二次分组时每个人的平均检验次数为目标，建立非线性规划模型，取不同的p，求出第一次分组的最佳分组人数k和第二次分组的最佳分组人数k。4.4问题四分析我们可以多次应用一次分组法对问题进行分析，找到了多次分组的求解方法。通第5页过上述问题分析，我们得出：当p值比较小得情况下，一次分分组比二次分组法效果好；多次分组法比二次分组法效果好。5模型的建立与求解利用概率统计知识建立数学概率模型，由期望值知道，如果不分组，每个人都参加检验，每个人平均需要检验一次；如果分组，分组后计算出每个人的平均检验次数小于1次，则认为分组比不分组好，需要分组，反之，则不需要分组。在众多组合的分组中，比较哪一种分组计算出来的每个人的平均检验次数最小，平均检验次数最小的那种分组则认为这种分组时最优的分组方案。5.1问题一模型建立与求解5.1.1模型的建立由问题一的分析得出一次分组每人的化验次数X的分布规律为：X1k1kkP(1)kp1(1)kp则一次分组每人的化验次数的数学期望为：11()(1)[1(1)]11(1)kkkkEXppkkpk如何分组才能使每人化验次数最小，也就是求当阳性的先验概率p固定时的每组人数k为多少时，上式数学期望达到最小值，且必须小于1，其数学模型表达式为：min1()1(1)kEXpk(01,1)pk5.1.2模型求解求解时，我们采用线性规划法求解。当阳性的先验概率p固定时，我们把k看作自变量，那么数学期望就是一个第6页关于k的函数，记作：1()1(1)kfkpk由于()fk在其定义区间(01,1)pk上连续且可导，现在我们来求()fk的最值，当()fk的一阶导数等于0时，()fk才可能取得最值。记()fk的一阶导数为()fk，()fk的表达式为：21()(1)ln(1)kfkppk现令()fk=0，21(1)ln(1)0kppk。设0k是方程()0fk的一个解，现在，只要给出一个概率p值，算出与p对应的0k值，在这里，最佳分组人数k是正整数，所以当0k是整数时，最佳分组人数为0kk，当0k不为整数时，取0[]kk或者0[]1kk，比较()EX，选取()fk较小的为k的最优值，运用lingo软件编程（见附件1），来求最佳分组人数k。我们选择在区间[0.00001,0.40]p有代表性的选择p值，得出p、k、()EX，结果见表1：表1不同p值下的最佳分组人数k和平均每个人的检验次数()EXp0.000010.000030.000050.000080.00010.00050.001k3171831421121014532()EX0.00630.01090.01410.01780.02000.04480.0628p0.0050.010.020.030.040.050.08k151186654()EX0.13910.19560.27420.33370.38390.42620.5336p0.100.200.300.3060.3070.3080.4k4333333()EX0.59390.82130.99030.99901.00051.00201.1173从表1可以看出，当()1EX，应当分组。5.2问题二模型建立与求解5.2.1模型的建立利用概率统计知识建立数学概率模型，由期望值知道，如果不分组，每个人都参加检验，每个人平均需要检验一次；如果分组，分组后计算出每个人的平均检验第7页次数小于1次，则认为分组比不分组好，需要分组，反之，则不需要分组。在众多组合的分组中，平均检验次数最小的那种分组则认为这种分组时最优的分组方案。5.2.2模型求解不应分组的条件即要求阳性的先验概率p多大时，使得分组后平均每个人化验次数的数学期望大于不分组时平均每个人化验次数。而随着p的增加，E(X)变大。所以当()1EX时，不应分组检验。即1()1(1)1kEXpk，得11kpk。令1-()1kfkk，则'''11()(1)()kkfkkk设1kyk则'''1()()kfkyk对1kyk两边求对数有:1lnlnkyk，对1lnlnkyk两边求导有：1''''1111(ln)(ln)(ln())(ln)kkykkkk即'22221111111ln()lnykykkkkkkk1'22222211111111111(ln)(ln)(ln)()kkyykkkkkkkkkkk所以11'''2221111111()()(ln)()()(1ln)kkkfkykkkkkkkk第8页即1'211()()(1ln)kfkkkk由此可以看出，当ke时，'()0fk，函数1()1kfkk单调递减，而2ke时（分组时每组至少要有2人，故有2k），'()0fk，函数1()1kfkk单调递增，在xe时（自然对数2.71828e），'()0fk，函数1()1kfkk取得最大值，此时最大值111()11()0.3078eefeee,由于实际检验分组时每组的人数k只能取整数，不可能取自然对数e，故算出接近最大值()fe的两个实际值：(2)0.292893f；(3)0.306639f；所以，1()1kfkk的最大值为0.307，即只有当0.307p时，通过调整k可以满足分组检验的约束条件11kpk而当0.307p时，无论怎么调整k都不能满足分组检验的约束条件11kpk所以，当0.307p时，就不需要分组。5.3问题三模型建立与求解5.3.1模型的建立第一次分组化验：第一次分组组数为m，所以第一次分组化验需要的化验次数为1ym次，这m组中，化验出阳性的组数应为：1[1(1)]kxmp组。下面，再给阳性组进行第二次分组化验：为了避免混淆，我们将第一次分组化验出阳性的组归为一类，以前每组的k个人分为m组，每组k人，所以有kmk。第9页第二次化验：通过以上的分组方法，可以得到的总小组数为：21xxm组，故第二次化验需要的次数为：221yxxm次。若第二次分组化验时，若检验出某组为阴性，表明该组全体成员全为阴性，不需要重新化验，如为阳性，需要对该组的每个人进行化验，以确定谁是病毒感染者。第二次化验后得到的阳性组数的期望值为：32[1(1)]kxxp组，每组的人数为k人。所以再需要的化验次数为：32[1(1)]kyxpk次。所以要进行两次分组，总共需要的化验次数为：123[1(1)][1(1)][1(1)]kkkyyyymmpmmpmpk又由于总人数nmkmmk，所以可得平均每人需要的化验次数数学模型为：min11()[1(1)][1(1)]kkEXppkk1:(kstmmkkk为正整数）0p15.3.2模型求解用LINGO编程（具体程序见附件2）求出当p在（0.00001，0.40）之间变化满足以上条件的最优解,下面给出几组有代表性p、k、k、()EX：表3不同p值下的最佳分组人数k、k和平均每个人的检验次数()EXp0.000010.000030.000050.000080.00010.00050.001k40821810124288721225145k3141811381101034529()EX0.49780.00110.00170.00240.00280.00920.0154p0.0050.010.020.030.040.050.08k4224141210105k141276555()EX0.05020.08390.13910.18550.22890.27100.3844p0.100.200.300.3060.3070.3080.4k6333333k3333333()EX0.44980.73410.98400.99851.00091.00331.2093第10页根据上面的表3分析，当0.307p即()1EX可以进行二次分组，比一次分组的效果好，能够减小平均每个人的化验次数，减小化验费用，而当0.307p即()1EX，分组反而增加了平均每个人的化验次数，化验费用，不建议分组。5.4问题四模型建立与求解5