| 摘要 | 第6页 |
| 第一章 引言 | 第8-14页 |
| 1.1. 背景和意义 | 第8-9页 |
| 1.2. 国内外研究现状 | 第9-11页 |
| 1.3. 数据来源及结构 | 第11-13页 |
| 1.4. 本文创新点 | 第13-14页 |
| 第二章 统计分析方法 | 第14-17页 |
| 2.1.因子分析 | 第14-15页 |
| 2.2. Logisti回归 | 第15页 |
| 2.3. C5.0 算法 | 第15-16页 |
| 2.4.随机森林算法 (参考网址 https://vq. aliyun. com/articles/54514) | 第16页 |
| 2.5.函数型数据模型（翘曲函数） | 第16-17页 |
| 第三章 实际数据分析 | 第17-45页 |
| 3.1. 多监测指标在疾病诊断中的统计分析 | 第17-28页 |
| 3.1.1. 基本信息描述 | 第17-19页 |
| 3.1.2. 正态性检验和数据的初步统计分析 | 第19-23页 |
| 3.1.3. 因子分析与Logistic回归 | 第23-25页 |
| 3.1.4. 随机森林和C5.0算法 | 第25-27页 |
| 3.1.5. ROC曲线 | 第27-28页 |
| 3.2. 函数型数据分析在连续监测数据中的应用 | 第28-45页 |
| 3.2.1. 基本信息描述 | 第28-34页 |
| 3.2.2. 量纲调整、F检验与多重比较 | 第34-35页 |
| 3.2.3. 曲线的函数型数据分析 | 第35-45页 |
| 第四章 结论与讨论 | 第45-49页 |
| 4.1. 多监测指标在疾病诊断中的统计分析小结 | 第45-46页 |
| 4.2. 函数型数据分析在连续监测数据中的应用小结 | 第46-49页 |
| 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-61页 |
| 致谢 | 第61页 |