Упрощенная HTML-версия
„ (PI — Pli)2+(P2-P2i)2 + ...+(PN-PNi)2— (PI — PI
2 ) 2
- ...-(PN -PN
2 ) 2
R ~ -------------------------------------------------------------------------------------- --
Ro
_
_
_
_
(2P1 - PI2- Pli) X(Pl2 - Pli) +...+(2PN- PN2 - PNi)X(PN2- PNi)
Ro
= b i(P l-a,) + b2(P2 -a2) + ...+ bN(PN -aN) =b,Pl + b2P2 + ...+bNPN+ a
где
b . . M > ,
г*=(К,+Й2)/2,
а = - а д
Ro
i=1
На рис. 6 приведена графическая иллюстрация приведенных формул
для частного случая комбинации двух показателей (вариант полного раз
деления значений двух показателей), где + - средние значения (центры
тяжести) анализируемых показателей; Ri - “расстояние” от центра тяжести
показателей группы животных с благоприятным исходом до показателей
исследуемого животного; R2- “расстояние” от центра тяжести показате
лей группы животных с летальным исходом до показателей исследуемого
животного; Ro - “расстояние” между центрами тяжести показателей.
Для точек b пунктирной линии, условно разделяющей области живот
ных с благоприятным и летальным исходами справедливо равенство
2
2
Rj = R2
и
характерно значение критерия R^O. Точки, расположенные ле
вее пунктира (а), в области выживших животных, характеризуются отри
цательным значением критерия R, правее (с) - положительным значением
критерия R.
Рис. 6.
R-критерий двухфакторной дисперсионной модели.
Метод дисперсионного анализа в медико-биологических исследова
ниях до недавнего времени использовался нечасто [9]. Основным методом
математического моделирования в медико-биологических исследованиях
остается регрессионный анализ. Однако работы последних лет [2; 3; 19;
32; 34] убеждают в обоснованности и надежности применения с этой це
лью именно дисперсионного анализа. Основным преимуществом диспер-
130