结合多重假设检验的随机森林长期降水预测方法及应用

为解决随机森林方法经验性选取预测因子时存在的错误发现率问题,引入多重假设检验领域控制错误发现率的方法对预测因子的筛选进行质量控制,将因子筛选由经验依赖转化为数据依赖,从而提出一种基于多重假设检验的随机森林方法长期降水预测方法。以巴西巴拉那河上游流域为研究区,利用逐月气候系统指数,应用提出的方法对研究区2018-2020年54个雨量站点的逐月降水量进行模拟预测、检验和交叉验证。结果表明:与传统的随机森林方法相比,该方法预报精度更高,对不同站点1-12月的预测平均合格率达到64%,其中6月预测合格率达到84%,表明该方法可以作为流域长期降水预测的有效工具之一。

多重PCR联合传统培养法在食源性致病菌检验中的应用

研究多重PCR联合传统培养法在食源性致病菌检验中的应用效果,为食源性致病菌的检测方法的适用性、有效性进行确认。方法 采取单纯多重PCR技术、传统培养法和联合方法进行检验,分析三种方法的检测结果。结果 联合检验方法的检验结果均优于单一方法。结论 在食源性致病菌的检验中,应用多重PCR联合传统培养法进行检验,检验效果良好,值得推广。

2×k表多重比较χ~2检验界值的研究

目的 为探索更加完善的 2×k表多重比较 χ2 检验统计分析方法。方法 本研究使用蒙特卡洛法在计算机上产生二项分类的样本数据 ,按照 χ2 检验理论计算 χ2 值 ,根据 2×k表多重比较 χ2 检验界值的准确性和稳定性 ,确定总体率、样本含量、抽样次数的数值。结果 在反复、细致、大量的运算分析之后 ,研制出 2×k表多重比较 χ2 检验界值。结论 经合理分析表明 ,本界值准确性高、稳定性好。

多重假设检验中FDR的控制与估计方法

近年来,基因组学、蛋白组学和代谢组学等高通量检测技术得到迅速发展〔1-4〕,由此产生变量数目巨大的数据（如m〉2000）,而样品数目较小（如10≤n≤100）,用传统的统计检验方法对生物标志物进行鉴别会产生大量的假阳性结果 （如检验水准取α=0.

Friedman检验和多重分析方法在制备南极磷虾液态香精中的应用

目的:以南极磷虾低氟酶解液为原料,采用Friedman检验和多重分析方法研究制备南极磷虾液态香精。方法:用Friedman检验和多重分析法研究D-木糖、半胱氨酸、丙氨酸、麦芽糊精、HVP对南极磷虾美拉德反应产物感官的影响。结论:Friedman和多重分析法研究表明D-木糖20g/L,半胱氨酸12.5g/L,丙氨酸20g/L,麦芽糊精12.5g/L,HVP 6.25g/L制得的南极磷虾液态香精滋味浓厚、香气馥郁。

Friedman M检验平均秩的多重比较在SPSS软件的实现

完全随机区组设计的秩和检验（Friedman’Stest）是随机化区组设计方差分析不满足方差分析条件时采用的方法。随机化区组设计的秩和检验是由M·Friedam在符号检验的基础上提出来的，又称M检验，目的是推断各处理组样本分别代表的总体分布是否不同。对于FriedmanM检验，在当P〈α（α为检验水准）差异有统计学意义时，可认为多个总体间相比较有差异，但不能说明任何两个总体间均是有差异的。

多重假设检验及其在经济计量中的应用

基于错误发现率(FDR:False Discovery Rate)的多重假设检验(MHT:Multiple Hypothesis Testing),已成为一种有效解决大规模统计推断问题的新方法。本文以错误控制为主线,对多重假设检验问题的错误控制理论、方法、过程和最新进展进行综述,并对多重假设检验方法在经济计量中的应用进行展望。

利用Stata编写ADO命令实现多样本多重比较的Nemenyi检验

目的利用Stata编写nemenyi.ado命令文件,从而实现Stata统计软件的非参数两两比较。方法利用Stata自带的do文件编辑器编写nemenyi.ado命令文件,根据已有文献实例进行演算说明使用方法。结果利用nemenyi.ado命令文件对实例数据分析,所得结果准确。结论本文所提供的ado命令文件与Stata统计软件的Kruskal-WallisH检验结果结合使用,可协助科研工作者进行类似数据分析。

多重共线性变量的回归系数估计及检验

在变量筛选及参数估计中，都要求各变量相互独立，但在很多应用研究中，自变量间不独立，相互间有一定的线性依存关系，这种线性依存关系常导致模型拟合上的矛盾及不合理，比如，多因素分析与单因素分析的结果相互矛盾，在单因素分析中某因素为致病因子，而在多因素分析中...

用SPSS实现完全随机设计多组比较秩和检验的多重比较

目的针对医学研究中常见的完全随机设计多组样本资料数据经Kruskal-WallisH检验后无法直接用SPSS实现各组多重比较的问题,给予用SPSS统计软件具体解决方案。方法根据资料特点和样本量大小,结合SPSS软件本身的一些特点,在SPSS中实现秩和检验的多重比较。结果对同一数据资料进行处理,所得结论基本相同。结论本文提供了用SPSS软件实现该种数据分析的详细过程,分析人员可结合不同的工作,采用统计软件正确地完成此类数据的分析工作。

Duncan多重比较及数据补缺法及其应用

随着我国市场经济的不断深入发展,对统计工作者也提出了更高的要求,同时也为统计理论和方法在市场经济与管理中的应用提供了一个广阔的前景。在充满竞争和机遇的市场经济环境中,统计定量分析也成为一种不可缺少的工具。

多重假设检验及其在大数据特征降维中的应用

现有的特征降维方法大致可分为特征提取和特征选择。在特征提取过程中,数据中的原始特征通过某些数据变换被映射到一个低维空间。提取出的特征尽管与原始特征相关,但不再具有原始特征的物理意义,即特征提取改变了原始数据的表达形式。与特征提取不同,特征选择则在原有的特征集中选择一个子集,选择出的特征子集中不再含有与数据分析任务相关性不大或冗余的那部分特征,其结果可能引起信息丢失。因而现有的数据降维方法几乎都不是保真降维,其降维后的数据仅适合特定的后续数据分析任务,因而只能算是特定数据分析任务的前期数据预处理。从多重假设检验方法的角度分析了高维数据保真降维的方法及研究的关键所在。

利用EViews软件检验和处理模型的多重共线性

异方差性、自相关性、多重共线性是计量经济检验的三项主要内容,对于模型中的异方差性和自相关性问题,可以利用EViews软件很方便的进行检验和处理;但是对多重共线性问题,在EViews5.x版本之前却一直无法有效地予以处理。文章介绍了如何直接利用EViews软件检验和处理模型的多重共线性问题。

率或比的多重假设检验方法探讨

采用方差分析所使用的最小显著性差异技术,为大样本情况下率(比)提出一种多重假设检验方法。其思想为:首先计算所有对子的u检验统计量,然后指出其u值超出以u检验个数调整的合适显著性概率百分点者为显著性差异对。为了改善正态近似性,用自然对数尺度来构造成对u检验统计量。

基于多重假设检验市长公开电话文本的自动分类

提出一种基于多重假设检验的特征加权朴素贝叶斯分类算法,该算法通过特征选择方法得到多个特征词集合,再按多重假设检验错误率为每个特征词集合配以不同的权重系数并参与到分类器的构建中.该方法已经应用到市长公开电话的文本分类中,通过构建的3个特征加权朴素贝叶斯分类器实现了投诉文本的计算机自动分类,且相对传统方法提高了分类器的效率和精度.

多重假设检验中参数估计问题研究

在多重假设检验中,真正原假设的个数m_0是未知的,但是它有着很重要的影响,因此,它在最近的统计文献中备受关注。文章综述了三种主要的估计方法:最低斜率法、三次样条法、均值估计方法。然后将上述三种方法结合起来,提出了新的估计方法:均值三次样条法,并主要研究了其在微阵列数据上的应用。大量的模拟研究表明,和其他方法相比,新的估计方法具有较小的偏差和标准差。最后利用真实数据来对估计方法进行评估,并找出了差异表达性基因。模拟和实际数据表明此方法具有显著性提高。

多重检验法在基因芯片研究中鉴定差异表达基因的统计功效(英文)

鉴于基因芯片实验的造价,在基因芯片实验设计中,首要考虑的因素是需要多少重复才能检测出一个具有显著差异表达的基因。计算多重检验法要求的重复数(样本大小)或功效可为基因芯片实验设计提供重要的参考。为此,本文基于置换重抽样法构建了一种基因表达噪声混合分布模型。该方法适用各类基因表达数据,即无论是基因表达单噪声源或是多噪声源都可行。应用混合模型和多重检验法并给定统计功效,研究者能在基因芯片实验中获得所需要的最少生物学重复数;或者根据样本大小来确定测定一个显著差异表达的基因所具有的检验功效;或者根据样本大小和统计检验功效,选择最好的统计测验方法。本文以一组在老鼠中与中风有关的3000个基因的基因芯片实验所获得的数据为例,应用该方法拟和后组建了一个单分布模型(即表达单噪声源的分布模型)。根据该模型,我们计算了4种多重检验法在鉴定一个具有表达差异(D)值的基因中所需要的统计功效。结果表明,检测一个小的差异D值,4种多重检验法中B方法的统计功效最低,而BH方法最高。但是,对于鉴定一个具有最大表达差异的基因时,4种方法有相同的鉴定功效。与传统的单个检验法一样,BH方法检测一个小的变化所需要的效率不会随基因数目增加而改变,其他3种多重检验法的检测功效则随基因数目增加而降低。

一类新的多重共线性检验方法

解释变量间的相关性导致了多元线性回归模型的多重共线性问题,由于考察相关性的角度和方法不同,产生了不同的多重共线性的检验方法。由阿达马不等式可以构建多个变量的综合相关性度量指标,将该指标用于度量多元线性回归模型的解释变量的综合相关程度,用以作为多元线性回归模型多重共线性的一类检验方法。

随机区组设计多个样本多重比较的非参数q检验方法的SAS实现

当随机区组设计多个相关样本总体分布未知或分布不满足正态性，这样的资料无法利用随机区组设计资料的方差分析来解决。Friedman M检验是一种随机区组设计资料秩转换的非参数检验方法，可用来推断这些样本所来自的多个总体分布是否有差别。然而，该方法仅推断了这多个相关样本总体分布的差别。