基于MPI的精确非参数检验之Fisher网络算法的并行算法研究

非参数检验是样本为非正态分布或未知分布情况下进行的假设检验,适应性强,稳定性好,在医学、工程、金融等各种统计场合都有广泛应用.精确非参数检验提高了计算的精度,但是直接计算精确很费时间.文中针对精确非参数检验主要使用的Fisher网络算法,基于MPI提出并行算法并予以实现.实验结果表明并行效率良好,能够大大加快计算的速度.

Enrich＿analysis.pl,差异表达基因富集分析的perl脚本

如何从庞大的基因表达数据库里挖掘出有价值的信息,并做出科学的生物学诠释,是基因表达分析领域的重要挑战。富集分析为解决这一问题提出了合理的方案。用Perl语言写了一个脚本——Enrich_analysis.pl,可根据基因注释信息进行基因富集分析,并利用Fisher's Exact Test做检验。富集分析先根据生物学知识将基因归类,然后进行基因差异表达分析,提高数据的可解释性。并利用3篇SCI文章的差异基因数据,对本perl脚本进行了对比测试,证明本perl脚本算法正确可靠。

山西黄河湿地植被优势种群种间关系

在样方调查的基础上,应用2×2列联表的Fisher精确检验、Pearson相关系数和Spearman秩相关系数检验了山西黄河湿地植被优势种群的种间关系,分别测定了24个优势种,共73个种对的种间关联。结果表明:(1)2×2列联表的精确检验共有33个种对为正关联,4个种对为负关联;Pearson相关系数有16个种对呈正相关,没有种对出现负关联;Spearman秩相关系数有40个种对呈正相关,4个种对为负关联。(2)2×2列联表的精确检验不能精确反映种对间的数量变化关系,只能反映种对间关联与否;应用Pearson相关系数和Sperman秩相关检验可帮助刻划种对间的数量变化关系。(3)依Spearman秩相关系数的半矩阵图将24个优势种分为旱生、中生、湿生、水生4个生态种组,各生态种组内的种对具有相同的资源利用方式和生态要求。

两种基因集分析方法的有效性比较

目的比较竞争性原假设χ2-Fisher’s精确概率法和自限性原假设SAM-GS方法作为基因集分析方法筛选富集基因集的效能,探讨两种方法的筛选效果。方法采用两种待比较的方法处理5种不同情景下的模拟数据,比较筛选结果与模拟设定的差异,计算相应的评价指标,探讨两种方法筛选富集基因集的效果。结果相同设定条件下,SAM-GS方法的筛选率均高于χ2-Fisher’s精确概率法。但推断结论相差不大,即当两组间均数相差较小(≤0.30)时,两种方法均不能较好地识别组间差异;相反,当两组均数差异足够大(>0.30)时,两种方法均能识别差异。结论SAM-GS方法略优于χ2-Fisher’s精确概率法,但两种方法均可用于基因表达谱筛选富集基因集的分析。χ2-Fisher’s精确概率法的优点是可用来分析解释变量为多分类变量的数据资料。

基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。

利用Excel软件建立四格表χ~2检验自动校正处理程序

目的:探索利用Excel软件建立四格表χ2检验自动校正处理程序。方法:利用Excel软件建立格式化的四格表χ2检验自动分析程序,在总样本数≥40和理论频数≥1时,通过Pearsonχ2检验和Yates校正公式,可自动给出χ2值和P值,在总样本<40或理论频数<1时,基于Fisher精确概率法,通过修改单元格引用,也可方便地得到χ2值和P值。结果与结论:利用Excel软件可实现四格表χ2检验,而且一旦格式固定,只要替换其中数值,就可立即得到χ2值。