Advertisement

Holm-Sidak t 检验:多重比较的应用 - MATLAB开发

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本项目介绍并实现了Holm-Sidak t检验方法,用于在MATLAB中进行多重比较校正,有效控制假阳性的发现率。适合需要同时比较多个样本均值的研究者使用。 Student t 检验仅适用于比较两组数据。如果有 k 个组,则不能对每一对使用 t 检验,因为在每次检验都设定 alpha=0.05 的情况下,当实际上没有差异时,找到差异的概率会达到 k*0.05(根据邦费罗尼不等式)。Holm-Sidak 检验是一种逐步递减的拒绝方法,在此过程中按照 p 值从低到高的顺序对一组零假设应用接受或拒绝的标准。每次比较都依据 Sidak 校正来设置 Bonferroni 不等式的 alpha 值。由于这个函数使用 TCDF 函数,所以需要 Statistics Toolbox 的支持。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Holm-Sidak t - MATLAB
    优质
    本项目介绍并实现了Holm-Sidak t检验方法,用于在MATLAB中进行多重比较校正,有效控制假阳性的发现率。适合需要同时比较多个样本均值的研究者使用。 Student t 检验仅适用于比较两组数据。如果有 k 个组,则不能对每一对使用 t 检验,因为在每次检验都设定 alpha=0.05 的情况下,当实际上没有差异时,找到差异的概率会达到 k*0.05(根据邦费罗尼不等式)。Holm-Sidak 检验是一种逐步递减的拒绝方法,在此过程中按照 p 值从低到高的顺序对一组零假设应用接受或拒绝的标准。每次比较都依据 Sidak 校正来设置 Bonferroni 不等式的 alpha 值。由于这个函数使用 TCDF 函数,所以需要 Statistics Toolbox 的支持。
  • MATLAB——Bonferroni-Holm校正公式
    优质
    本文章介绍了如何在MATLAB中实现Bonferroni-Holm校正方法,用于调整多重假设检验中的p值,确保统计显著性结论的有效性和可靠性。 在MATLAB开发过程中使用Bonferroni-Holm方法调整多个比较的P值族,以控制错误拒绝的概率。
  • 邓恩非参数邓恩方法-MATLAB
    优质
    本项目提供了一种实现邓恩检验的方法,这是一种用于进行多重非参数比较的有效统计手段。通过MATLAB编程语言,用户可以方便地对实验数据进行分析,尤其是在需要评估多个样本间秩差异的情况下。该工具支持批量处理和结果可视化,适用于科研及数据分析领域专业人士使用。 Dunn 检验是 Holm-Sidak 多重 t 检验的一种非参数替代方法。当您使用 Kruskal-Wallis 检验确定各组间存在差异后,由于总体误差大于 alpha(根据邦费罗尼不等式),不能直接对每一对进行 KWtest。而通过 Dunn 的测试,则可以利用多重比较来突出显示具体哪些组之间存在显著差异。该算法需要使用统计工具箱。
  • 带有Bonferroni校正T:进行组样本间成对-MATLAB
    优质
    本项目提供了一个MATLAB工具箱,用于执行带Bonferroni校正的T检验,实现多个样本组之间的成对比较。适用于控制多重假设检验中的错误发现率。 该函数可以用于在样本数据组之间进行多重比较,并使用Bonferroni校正来确保所有差异的总错误率低于某个ALPHA值。例如,在一个实验中,有四名患者的体温分别在早上8点、中午和下午5点进行了测量。此功能可用于检验这些时间点之间的温度是否存在显著差异:即上午8点与中午之间、中午与下午5点之间以及上午8点与下午5点之间的比较。
  • Bonferroni-Holm方法:于控制家族-wise误差率和假设校正工具
    优质
    简介:Bonferroni-Holm方法是一种统计学技术,旨在通过调整显著性水平来减少I型错误,在进行多个假设检验时有效控制家庭-wise误差率。 Bonferroni-Holm(又称Holm-Bonferroni)方法用于确定一系列假设在控制家庭错误率(FWE)后是否仍然显著,并进一步控制错误发现率(FDR)。此方法较传统的Bonferroni校正不那么保守,因此更有可能保留显着的p值。该函数接收一个或多个假设产生的原始p值作为输入,并提供经过FWE调整后的p值以及逻辑数组,用于指示在设定alpha水平(如0.05)下哪些p值得到显著性确认。
  • fakenmc/pval_adjust:针对进行p值调整-MATLAB
    优质
    pval_adjust是由MATLAB编写的工具箱,专门用于在统计分析中处理多重假设检验时对P值进行调整。此工具能够有效控制错误发现率或家庭-wise误差率,帮助研究人员准确解读大规模数据集中的显著性结果。 用于调整多重比较的 p 值的 MATLAB/Octave 函数。给定一组 p 值,返回使用以下几种方法之一调整后的 p 值:“holm”、“hochberg”、“hommel”、“bonferroni”、“BH”、“BY”、“fdr”、“sidak”或“无”。这是 R 语言中 p.adjust 函数的实现。与 R 函数不同,此函数不处理缺失值,并添加了一种额外的方法:“sidak”,如维基百科所述。如果您在研究中使用了该脚本,请引用以下论文:* Fachada N,罗莎 AC。(2018)。micompm:用于观察的多变量独立比较的 MATLAB/Octave 工具箱。
  • Hotelling T2: 变量样本 Hotelling T工具 - MATLAB
    优质
    本MATLAB工具用于执行多变量数据的Hotelling T²检验,适用于比较两组或多组均值向量间的差异。 Hotelling 对一个样本、两个独立样本(同方差或异方差)以及两个相关样本进行了多变量检验。
  • PitmanMorganTest(x,y): 相关配对样本方差 Pitman-Morgan - matlab
    优质
    本MATLAB函数实现Pitman-Morgan检验,用于评估两个相关配对样本间的方差差异。该方法在统计推断中对于检测数据变化具有重要作用。 给定两个成对的样本(向量x和y),Pitman-Morgan检验返回与零假设“var(x) == var(y)”相关的p值。这是根据“how2stats”博客中发布的Excel表格直接转换为Matlab代码的结果,该内容基于一本书《Gardner, RC (2001). Psychological Statistics Using SPSS for Windows》中的相关内容。
  • 方差分析
    优质
    《多重比较的方差分析》是一篇探讨统计学中用于处理多个样本均值间差异显著性检验方法的文章。文中详细介绍了如何在进行方差分析后,进一步执行多重比较测试以识别特定组间的区别。 介绍几种常用的方差分析多重比较方法:LSD(最小显著差异法)、LSR(最小显著范围法)等等。
  • t 功效分析:计算t功效及所需样本量-MATLAB
    优质
    本项目提供了一个MATLAB工具,用于执行t检验的功效分析,包括计算统计功效和确定实现特定功效所需的样本大小。 主函数 TPOWER 用于计算给定效应量 (d)、样本量 (N) 和显著性水平 alpha 的 t 检验的功效。通过将 N 设为数组的形式,该程序能够帮助规划实验所需的样本大小。此外,当“PLOT”参数设置为1时,该函数会调用 plotpowfun 函数,并绘制出根据功率计算得到的 N 数组图。另外,如果提供一个所需的功效水平 DESPWR,则程序还会确定达到所需功效所必需的最小样本量。