Advertisement

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

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • 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) ```
     
  • 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。
     
  • Fisher线性判别的Matlab代码实验
    优质
    本简介介绍了一个关于Fisher线性判别法的MATLAB编程实验。该实验通过编写代码实现特征降维和分类功能，并分析了其在模式识别中的应用效果。 Fisher线性判别实验的.m文件包含详细的功能备注，便于学习理解。可以直接在Matlab环境中运行，并且只需更改数据即可用于其他类别的实验分析。
     
  • 待办事项列表应用：ToDoList，简洁实用
    优质
    ToDoList是一款简洁实用的任务管理工具，帮助用户轻松规划和跟踪日常任务与项目进度。 作业前-ToDoList 是一个Android应用程序，它允许用户构建待办事项列表并提供基本的管理功能，包括添加新项目、编辑现有项目以及删除项目。 用户故事要求实现以下必需的功能： - 用户可以成功地从待办事项列表中添加和删除项目。 - 用户点击列表中的待办事项时能够打开编辑屏幕，并对显示的文本进行任何更改。 - 待办事项能够在应用重启后正确保存并检索到。 此外，还实现了以下几个可选功能： - 将待办事项保留而不是存储在简单的文本段落件中。 - 改善了列表中待办事项的样式设计。 - 添加对待办事项完成截止日期的支持，并显示于listview项内。 - 使用Fragment而非新的Activity来编辑项目（即改进UI/UX体验）。 - 增加对每个待办事项优先级的选择支持，同时也在列表视图项中展示出来。 这些功能的开发总共花费了38个小时。
     
  • Matlab精度验证代码-DiagnosisDL2TF：用TensorFlow构建简易轴承故障检测模型
    优质
    DiagnosisDL2TF是基于Matlab开发的一个项目，旨在通过TensorFlow框架搭建一个简单的轴承故障诊断深度学习模型，并进行精度验证。 为了验证深度学习在旋转装备故障分类识别中的有效性，本段落选取了凯斯西储大学（Case Western Reserve University, CWRU）的轴承数据库作为数据来源。CWRU实验装置用于设置四种不同尺寸直径的故障轴承，这些直径分别为0.007、0.014、0.021和0.028英寸。在实验中使用加速度传感器采集振动信号，并将传感器放置于电机驱动端与风扇端。由于驱动端的数据更全面且受其他部件及环境噪声的影响较小，本段落选择了该位置的振动数据作为研究对象。 实验所用数据涵盖了四种不同状态下的轴承故障情况：正常状态（Normal）、滚珠故障状态（Ball Fault, BF）、外圈故障状态（Outer Race Fault）以及内圈故障状态（Inner Race Fault）。每种状态下采集的数据又根据不同的故障直径和负载大小进行了分类。
     
  • 简洁的Vue三级联动下拉框代码
    优质
    本项目提供一个简洁易用的Vue组件，实现商品分类等场景下的三级联动下拉菜单功能，包含详细示例和文档。 一款简单的基于Vue实现的三级联动下拉框代码，适用于各种三级联动下拉菜单选择功能。
     
  • MATLAB代码用于精确率/召回率、ROC、准确率和F值测量
    优质
    本MATLAB工具包提供计算模型性能评估指标的函数，包括精确率/召回率曲线、ROC曲线、准确性及F值，适用于各类分类算法的测试与比较。 Matlab代码用于计算和可视化分类中的混淆矩阵、精确率/召回率、ROC曲线、准确率、F值等指标。
     
  • 简易Fisher线性分类器的Matlab实验设计
    优质
    本简介提供了一个关于如何使用MATLAB实现简易Fisher线性分类器的实验设计方案。通过该实验，学习者能够理解并应用模式识别中的基本分类技术。 简单Fisher线性分类器Matlab实验设计及具体代码参考。