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。

序贯分析方法在不同分析方法一致性检验中的应用

目的：探讨序贯分析方法在不同方法一致性检验中的应用及其优点。方法：在一项历时5年的大规模人群干预试验中，经5年连续的健康教育、合理膳食指导、儿童适时添加辅食等人群干预后，0～6岁儿童的生长发育指标有明显改善，但血红蛋白检测结果表明该年龄组儿童贫血患病率却非但未降反而上升，对该结果专家有不同的解释，但均缺乏足够的证据。采用双向量反应开放型序贯试验方法，对2次血红蛋白检测所用仪器和方法的一致性进行检验。结果：干预前后2次所用仪器及方法所得检测结果之差异在10％的范围内上下波动，其差异无统计学意义；用量反应开放型序贯分析方法分析其差值累积值的序贯试验线于第12对检验结果之差值累积值与序贯图中界线相交。结论：干预前后儿童贫血患病率的高低与检测仪器及检测方法无关，序贯分析方法在评价不同的检测方法、诊断标准、疗效、人群干预试验结果的一致性方面是循证医学中简便而有效的方法。

基于因子分析和序贯概率比检验的结构损伤识别

提出一种基于因子分析和序贯概率比检验的结构损伤识别方法。基于健康监测数据提取的结构状态特征不仅受结构状态的影响,而且受环境因素、测量噪声、分析误差的影响。当影响结构状态特征的环境因素未知或者不能完全测量时,基于因子分析可以提取结构状态特征场的公共因子作为环境影响效应的映射,并结合序贯概率比检验识别结构损伤。首先对因子分析的基本理论进行介绍,并建立因子分析的矩阵扩展法,在此基础上讨论基于Mann-Whitney秩和的序贯概率比检验的结构状态判别。最后通过1个斜拉桥的数值算例验证方法的可行性,结果表明该方法能够准确地识别较小的结构损伤。

关于序贯检验的Bayes分析(英文)

本文将充分利用验前信息的Ｂａｙｅｓ方法与序贯检验相结合，推导出了Ｂａｙｅｓ序贯检验方法。文章从表面形式上的决策方案推导到实质上真正的决策方案；并对飞行器落点密集度进行了模拟计算的具体分析，最后得出结论，Ｂａｙｅｓ序贯检验方法对具有昂贵成本的产品试验和我国航天试验有较大的应用价值．

Friedman检验和定量描述分析法(QDA)在风味酸奶感官评定中的应用

对青橘味(A)、甜橙味(B)、西柚味(C)、柠檬味(D)4种柑橘类酸奶的整体喜好度、感官特性进行评价。其中整体喜好度采用非参数Friedman检验和多重比较中的最小显著差数法(LSD),感官特性选择10个描述风味酸奶的感官描述词进行定量描述分析法(QDA)评价,同时采用偏相关性分析整体喜好度与感官特性关系。结果显示4种产品的整体喜好度评分排序为:C>B>A>D,即评价员最喜欢的是西柚味酸奶,其次是甜橙味酸奶、青橘味酸奶,最不喜欢的是柠檬味酸奶。在5%显著性水平上,C样品明显比A、D样品更受喜欢,B样品明显比D样品更受喜欢。将4种样品分为4组,通过QDA法分析,4种风味酸奶的感官特性各有特色。整体喜好度及感官特性的相关性结果显示,评价员喜欢总香气、奶香气、发酵味、果香气稍强,甜味稍强,稠厚,无苦味的产品,对带有涩感和有颗粒感的样品的喜好度不一致,对香气太强或太弱、稠厚度太强、酸味太弱的产品的喜好度有所下降。

序贯检验分析理论及其在生物医学中的应用

给出了序贯检验分析的数学理论，讨论了序贯分析方法在生物医学中的应用模型．

计数型截尾序贯检验的样本空间排序法

针对IEC1123所建议的截尾序贯检验存在未能使平均试验次数达到最少等不足之处,在对最优截尾序贯检验进行精确定义的基础上,通过在截尾序贯样本空间建立序关系,采取逐点优化的方式得到截尾序贯检验的最优化方案.计算结果表明,新方法与IEC1123所建议的截尾序贯抽样方案及序贯网图检验(SMT)相比,无论是在序贯检验截尾值的控制,还是在减少检验的平均试验次数等方面,都有十分明显的改进.

Friedman M检验平均秩的多重比较在SAS软件的实现

对于随机区组设计资料不满足方差分析的条件时,可使用基于秩的非参数检验。统计软件SPSS18.0及其更高版本已经提供了通过菜单操作实现Friedman M检验平均秩的多重比较功能[1],但SPSS提供的多重比较方法对P值进行了校正,虽降低了犯Ⅰ类错误的概率,但当处理组数较多时,检验结果偏保守。

序贯分析

序贯分析(Sequential Analysis)是由著名统计学家A·Wald于1947年提出。

关于序贯检验相关研究的文献综述

序贯检验是一种采用“试试看,看看试”试验策略的多阶段抽样检验方案,其相较于传统的固定样本量的抽验方案,能大幅度地减小平均试验样本量与平均试验时间,从而有效地降低产品抽样检验的试验成本。序贯检验在产品的质量与可靠性检验,药物及疫苗有效性与安全性等的检验中发挥重要的作用。目前,序贯检验的研究仍然是序贯分析研究热点之一。本文对序贯检验进行文献综述,全面回顾了该领域的相关研究成果,从计量型与计数型两个方面系统地梳理了序贯检验的基本思想和抽验原则,并对截尾序贯最优检验这一重要的检验方案的进行了详细论述,总结了截尾序贯最优检验的优越性,并就截尾序贯最优检验未来的一些研究方向进行了讨论,为后续研究提供参考。

序贯分析法在体育中的应用

本文通过气功状态与运动状态的试验数据,利用“序贯分析法”进行对比分析,它比通常常用的统计检验方法:T检验,F检验,X^2检验等有其独具的优越性,其优点:①大大地减少了试验次数;②不需要等待试验全部做完才能得出结论,而是一个一个序贯地进行试验,一次一次地进行序贯分析,待取得一定的结论后,即可停止试验。③在检验比较的过程中,对所做的试验不一定需要量化后的值,可直接对定性资料进行对比。

序贯分析干扰素足三里穴位注射治疗慢性乙型肝炎的疗效

干扰素被认为是治疗慢性乙型肝炎疗效较肯定的药物,多主张大剂量、长疗程。但因大剂量长疗程其费用昂贵,在临床难以广泛应用,我们采用序贯分析检验小剂量干扰素足三里穴位注射对慢性乙型肝炎的疗效,现将结果报道如下。 资料与方法 干扰素治疗前先口服强的松4周,第一周每日40mg,第2周每日30mg。

基于时空认知膨胀卷积网络与多源影响因素的PM_(2.5)细粒度预测模型

为实现精确化、细粒度的PM_(2.5)浓度预测,提出了基于时空认知膨胀卷积网络(spatial-temporal cognitive dilated convolution network,ST-C-DCN)的PM_(2.5)浓度预测模型ST-C-DCN。该模型将时空因素、气象因素运用于PM_(2.5)浓度预测,基于因果卷积网络提取时空特征,并采用时空注意力机制优化了时空特征的提取。基于海口市空气污染数据的实验测试表明:对于单个监测站,基线模型相比,ST-C-DCN的均方根误差(root mean square error,RMSE)平均下降24.7%,平均绝对误差(mean absolute error,MAE)平均下降9.93%,拟合优度(R-squared,R^(2))平均上升3.35%。对于全部监测站点的预测,ST-C-DCN在win-tie-loss(包括MSE、RMSE、MAE、R^(2))实验中,均获得了最多的获胜次数,分别为68,68、63和64。通过不同数据抽样条件下的Friedman检验,证明了ST-C-DCN对比基准有显著的性能提升。ST-C-DCN为细粒度PM_(2.5)预测提供了一个具有潜力的方向。

基于核主元分析的传感器故障检测

提出了一种新的火电机组传感器故障检测系统。传统的主元分析方法在非线性系统中不能很好的发挥作用。采用核主元分析方法提取系统的非线性冗余信息,建立核主元模型。并在输入空间对数据进行重构,通过最小化均方预测误差来选择合适的核函数和参数,对模型的建立过程进行指导。在线检测时,利用核主元模型,将实时数据投影到核主元空间,能够有效的去除系统的噪声。对重构残差采用序贯概率比检验方法进行检验,不仅能够诊断出传感器的漂移等明显故障,而且能够及时发现设备或者系统的早期故障。通过某电厂125MW机组真空系统的多传感器故障检测仿真实例,验证了该方法的有效性。

功耗分析攻击中机器学习模型选择研究

根据密码芯片功耗曲线的特性,对支持向量机、随机森林、K最近邻、朴素贝叶斯4种机器学习算法进行分析研究,从中选择用于功耗分析攻击的最优算法。对于机器学习算法的数据选取问题,使用多组数量相同但组成元素不同的数据集的十折交叉验证结果进行模型选择,提高测试公平性及测试结果的泛化能力。为避免十折交叉验证过程中出现测试集误差不足以近似泛化误差的问题,采用Friedman检验及Nemenyi后续检验相结合的方法对4种机器学习算法进行评估,结果表明支持向量机是适用于功耗分析攻击的最优机器学习算法。

模糊判断矩阵的满意一致性检验

针对多属性决策中模糊判断矩阵的一致性问题,提出了影子排序因子及增序模糊判断矩阵的概念,证明了模糊判断矩阵满足满意一致性的充要条件。根据该充要条件给出了一种对模糊判断矩阵进行满意一致性检验的简便算法,最后结合算例介绍了模糊判断矩阵在满足满意一致性时的排序方法,并分析了其在不满足满意一致性时影响其满意一致性的可能因素。这种算法不仅较为简便实用,而且为专家对原始判断信息进行针对性修正提供了参考依据,对方案排序研究提供了新的思路。

成组序贯试验的原理和方法

本文介绍了成组序贯试验的原理和方法。它可用于得到结果较慢（如数周或数月）及在整个试验过程中可分少数几个时间段来重复统计分析试验结果的情况。它既保留了传统序贯方法的优点又避免其局限性。当两种处理间确实存在差异时，它常可较早地得出结论，从而可减少样本量，缩短试验周期。特别在临床试验中它可尽早地使受试者停止接受较差的处理，符合伦理学的要求，同时又正好与临床试验中的期中分析相配合，可望有较大的发展前途。

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。

基于RNN的中文二分结构句法分析

为了构建一个简单易扩展的中文句法分析器,我们依据朱德熙和陆俭明先生的中文二分结构的层次分析句法理论,手工构建了一个3万句的二分结构的中文句法树库,并使用哈夫曼编码方式来简化表示完全二叉树的层次结构。该文将中文句法分析转换为迭代二分的序列标注问题,并根据该任务的特点,提出了在词的间隔上进行标记的序列标注模型(RNN-Interval,RNN-INT),与常用的循环神经网络模型(RNN,LSTM)和条件随机场模型(CRF)进行对比实验,使用mx2交叉验证序贯t-检验来比较模型。实验结果表明,RNN-INT模型在窗口为1的词特征就可达到最好的性能,并好于其他窗口大小和其他序列标注模型(RNN,LSTM,CRF)。最后,在测试集上,在人工分词下,RNN-INT在短语级别的F1值(块F1)达到71.25%,在句子级别的准确率达到约43%。