一种基于贝叶斯概率诊断及药敏分析系统数据挖掘的设计

医生诊断疾病是一个复杂的决策过程,临床用药更是治疗的重要环节。根据贝叶斯(Bayes)概率法,提出了一种基于贝叶斯概率诊治疾病的解决方案,该方案包括临床用药的药敏试验分析,并用一定的计算机程序算法实现了这一方案。在实际应用中,它可以扩展应用到辅助专家系统的设计中以及临床规范用药的研究中。

基于贝叶斯分析的新药研发评估模型研究

本文将贝叶斯方法应用于牡荆素对小鼠溃疡性结肠炎的药效作用评估中,在总体信息和先验概率的统计推断下,计算得到后验概率。首先利用一组试验数据在离散的贝叶斯公式下计算得到结果,该药的有效置信度从原来的0.3上升为0.3234;之后对连续情况进行计算,小鼠的体重变化均值提升到了95.773%。可见,应用贝叶斯方法对新药评估有着较好的效果,值得推广。

基于贝叶斯因子和二阶概率方法的圣地亚热传导模型确认挑战问题

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法得到了模型预测的分布,以此计算出模型预测结论的置信度。该过程中考虑了模型参数的随机不确定性和认知不确定性,最后通过灵敏度分析辨识了模型参数的不确定性对模型预测的影响。研究表明该挑战问题中的实验数据支持所给模型,模型预测受导热系数的不确定性影响最大,模型预测材料在调控条件下的失效概率不满足调控要求,该结论的置信度为99.97%。