Fisher的精确P方法评估2x2列联表的行和列独立性。-matlab开发

5星

浏览量: 0

大小:None

文件类型：None

简介：
它被应用于离散数据的不参数统计检验，旨在评估两个变量之间是否存在非随机关联。Mid-P 值提供了一个在保守性和精确性之间取得平衡的合理方案，有效地弥补了传统普通检验在大样本情况下所存在的统计不确定性。通常情况下，Mid-P 值表现出一定的保守性，并且目前，众多资深的统计学家普遍推荐其使用。相关工具箱“DeltaProt”可供参考，其网址为http://services.cbu.uib.no/software/deltaprot/。输入数据包括：X，即观察计数的数据矩阵（2x2表格），以及尾部选择（ne 2-Tail，默认），并设定右尾的独立性假设（独立的替代方案是变量之间存在正相关）或左尾的负相关性假设（备择假设是变量之间存在负相关）。输出结果为P值，计算公式为P = FisherExtest(Observed,ne)。请参考Thorvaldsen, S.、Flå, T. 和 Willassen, NP (2010) Delt

全部评论 (0)

还没有任何评论哟~

客服

Fisher精确P值方法：用于2x2列联表行/列独立性的检验-MATLAB实现

优质

本文章介绍了利用MATLAB软件进行Fisher精确概率测试的方法，该方法适用于分析2x2列联表中的行列独立性问题。提供详细代码示例和理论基础。这是一种用于离散数据的非参数统计检验方法，旨在确定两个变量之间是否存在非随机关联。Mid-P值在普通精确检验与大样本方法之间的保守性方面提供了一个合理的折衷方案，并且通常表现出良好的性能，略微偏向于保守一侧。目前许多领先的统计学家都推荐使用这种方法。输入的数据包括观察计数的数据矩阵（2x2表）和用于计算p值的替代假设选择： - ne 表示双尾测试（默认） - gt 表示右尾：备择假设为变量间存在正相关 - lt 表示左尾：备择假设为变量间存在负相关输出结果是P值，可以通过以下方式使用： ``` P = FisherExtest(Observed, ne) ```

MyFisher23：用于2x3列联表Fisher精确检验的简洁MATLAB代码

优质

MyFisher23是一款简化的MATLAB工具，专门设计用于执行2x3列联表的Fisher精确检验。该工具为数据分析提供了一个快捷且准确的方法，适用于需要评估小样本数据关联性的科研工作者和统计学家。 Fisher 对 2x3 列联表的精确检验适用于小区频率较小的情况，在这种情况下快速正态近似和卡方计算可能不够准确。 Fisher 精确检验通过计算多个阶乘来获得观察到的及每个更极端表格的概率，但由于阶乘增长迅速，需要使用对数形式简化计算。在 Matlab 中，可以利用 x!=gamma(x+1) 和 log(x!)=gammaln(x+1) 来实现这一目标，并且该函数已经完全矢量化以提高效率。语法：p=myfisher23(x) 输入： - X - 2x3 数据矩阵输出： - 三个 p 值此程序由朱塞佩·卡迪罗创建。

卡方检验 - 2x2列联表：使用此函数进行卡方检验-matlab开发

优质

本MATLAB资源提供了执行2x2列联表卡方检验的功能，适用于分析分类数据间的关联性，便于科研与数据分析工作。 CHISQUARECONT 函数接受一个表示 2x2 列联表的 2x2 矩阵作为输入，并使用皮尔逊卡方检验计算获得观察到的数据及其更极端情况的概率，基于卡方分布。然而，在预期频率总数较少（如总和小于20或单元格值低于5）的情况下，该测试可能变得不可靠。在这种情况下，建议改用 Fisher 精确检验。函数的使用方法如下： - p = chisquarecont(contab) - [p,x2] = chisquarecont(contab) 输入参数为： - contab：根据频率数据创建的 2x2 列联表输出参数包括： - p：测试得出的概率值 - x2：卡方统计量的值有关示例，请参阅文件内的帮助信息。

PEMF 交叉验证：用于评估代理模型预测准确性的方法(matlab开发)

优质

本研究提出了一种基于PEMF（Particle Swarm Optimization with Memory Forgetting Factor）算法的交叉验证技术，专门用于评估代理模型在Matlab环境中的预测准确性。模型保真度预测估计 (PEMF) 是一种独立于特定模型的方法，用于评估替代模型或元模型的准确性，这些模型包括克里金法、径向基函数（RBF）、支持向量回归（SVR）以及神经网络等类型。它可视为K折交叉验证的一种创新应用方式。在具体操作中，PEMF需要输入训练器的具体信息（例如 RBF-multiquadric 或 Kriging-Linear），用于模型构建的样本数据集和特定于该模型的超参数值（如RBF中的形状因子）。输出结果包括代理模型误差估计，即预测的中间值或最大误差。研究发现，在为不同基准函数提供替代模型错误度量时，PEMF比传统的留一法交叉验证更为准确且稳定。目前版本的PEMF已经集成了径向基函数（包含在该包中）、克里金方法（DACE 包）和支持向量回归（Libsvm 包）。此外，PEMF适用于多种用途：代理模型验证、不确定性分析以及优化过程中的应用等。

准确性评估的分割算法

优质

该文探讨了一种用于准确度评测的图像或数据分割算法，旨在提升计算机视觉和模式识别领域中对象边界定义的精确性。该算法主要针对分割后的准确度进行评价，并能定量测定出分割的效果。

Matlab ReadCSV: 将多列 CSV 文件拆分为独立变量的工具- Matlab 开发

优质

本Matlab开发项目提供了一个简便工具，用于读取多列CSV文件并将各列数据分离为独立变量，便于后续的数据处理与分析。数据可以存储在CSV文件中，并且这些文件可能来自数字示波器或仿真软件。通过MATLAB中的csvread命令，我们可以读取生成的CSV文件。如果数据包含多列，则它们会被导入到MATLAB中作为矩阵形式存在。为了使处理更加便捷（例如制作图表），我们开发了一个脚本来自动分离各列为独立变量。这样可以更方便地进行进一步的数据操作和分析工作。

基于G-P算法的时间序列关联维数d的Matlab计算方法

优质

本文介绍了一种利用G-P算法在Matlab环境中进行时间序列数据关联维数（d）计算的方法，为复杂系统的分析提供新的工具。【达摩老生出品，必属精品，亲测校正，质量保证】资源名：时间序列的G_P算法_计算出序列的关联维数d_matlab 资源类型：matlab项目全套源码源码说明：全部项目源码都是经过测试校正后百分百成功运行的。如果您下载后不能运行，请联系我进行指导或者更换。适合人群：新手及有一定经验的开发人员

基于加权确定性系数方法的地质灾害易发性评估

优质

本研究提出了一种基于加权确定性系数的方法来评估地质灾害易发性，通过综合分析多种影响因素，提高预测精度和可靠性。针对传统确定性系数法在地质灾害易发性分析中的不足——未能考虑各评价因子对地质灾害影响的差异性问题，本段落提出了一种新的方法：层次分析法与确定性系数法相结合的加权确定性系数法。具体而言，该方法首先利用传统的确定性系数法计算各个因素不同特征变量下的地质灾害易发指数；其次通过层次分析法来评估各因子的重要性，并赋予相应的权重；最后将所有因子的易发指数进行加权求和，以综合评价多因素耦合作用下地质灾害发生的可能性。研究选取陕西省澄城县作为案例区域，在GIS技术支持下分别运用传统确定性系数法及上述新方法进行了详细的对比分析。结果显示，相较于传统的方法，采用层次分析与确定性系数相结合的新方法能够提供更为精确的地质灾害易发性评估结果。这一研究成果不仅为理论研究提供了新的思路和依据，同时也对实际应用具有重要的参考价值。

利用Matlab和Dice相似系数评估图像分割准确性的方法.txt

优质

本文介绍了使用MATLAB软件结合Dice相似系数评价标准，对不同算法产生的图像分割结果进行精确性评估的方法。本资源提供了基于Matlab的使用Dice相似系数方法进行图像分割精度验证的源代码及图片素材。内容包括：实例1：计算二值分割图的Dice相似系数。实例2：计算多区域分割图的Dice相似系数。该资源配套有博客文章“Matlab图像分割---使用Dice相似系数方法进行图像分割精度验证”，详细介绍了原理和实现效果，欢迎查看！希望对大家有所帮助！如果觉得有用，请帮忙点赞支持。感谢！

边缘检测评估：采用 PR 和 F-Measure 的方法 - MATLAB 开发

优质

本项目使用MATLAB开发，旨在评估不同算法在图像处理中的边缘检测效果。通过精确率（PR）和F-测量值（F-Measure）等指标进行性能分析，为研究者提供全面的比较数据。该程序使用图像的地面实况（BSD 图像和地面实况）比较边缘检测方法（Canny 和 Sobel）。比较是通过两个参数（PR 和 F-Measure）完成的，评估参数的值越高，表明更好的边缘输出效果。在理想情况下，针对真实情况进行评估时，PR 的最大值可以达到无穷大，F-measure 为 1。步骤如下： 1. 选择图片文件夹 2. 选择 Ground Truth 文件夹该代码部分基于研究论文《边缘检测的模糊集方法》，如果您在研究工作中使用此代码，请引用国际图像处理杂志（IJIP）第6卷第6期。