卡方
- 一種基于軟卡方檢測的自適應Kalman濾波方法
會引起濾波發(fā)散。卡方檢測(Chi-square test, C2T)方法是一種傳統(tǒng)的量測故障檢測方法[1],在狀態(tài)空間建模準確的前提下,通過KF的新息及其均方差陣構造卡方統(tǒng)計量,可檢測出量測是否存在異常,如果量測正常則進行量測更新,反之,如果量測異常則放棄量測更新。然而,實際應用中的系統(tǒng)噪聲參數(shù)往往難以準確確定,從而使得卡方檢測統(tǒng)計量的閾值設置成為一大難題。如果卡方檢測閾值設置太大,則可能將異常量測引入濾波器,降低濾波估計精度;如果閾值設置太小,則可能排除
導航定位與授時 2023年4期2023-09-27
- 六西格瑪管理在降低曲軸彎曲率中的應用
，本項目小組采用卡方檢驗的方式進行驗證，選用兩種壓火時間。方案一：壓火時間24 h，即澆注后24 h 打箱；方案二，壓火時間48 h，即澆注后48 h 打箱。通過收集數(shù)據(jù)進行卡方檢驗（如表6 所示）P=0.596>0.05，說明壓火時間對曲軸彎曲影響不顯著。表6 X3 因子壓火時間卡方檢驗對X2（封箱工藝）采用卡方檢驗的方式，選用兩種封箱工藝進行封箱，如圖4 所示。方案一：一側增加石棉墊進行封箱。方案二：只采用封箱膏封箱。通過收集數(shù)據(jù)進行卡方檢驗，如表7
鑄造設備與工藝 2022年4期2022-11-15
- 基于能量距離法的多維分類變量的分布差異檢驗
1)的經(jīng)典方法為卡方檢驗，卡方檢驗將X的樣本X1,X2,…,Xm與Y的樣本Y1,Y2,…,Yn進行合并，并對每個樣本添加標簽，標注它是來自X的樣本還是來自Y的樣本。因此，檢驗X與Y是否同分布等價于檢驗標簽變量與分類值是否相互獨立，從而，我們可將表1的X的樣本頻數(shù)分布表與表2的Y的樣本頻數(shù)分布表合并成一個新的如表3所示的列聯(lián)表：表2 Y的樣本頻數(shù)分布表 表3 X與Y的樣本的頻數(shù)列聯(lián)表基于此表，可構造卡方檢驗統(tǒng)計量：眾所周知，卡方檢驗僅適用于大樣本情形，它要求
湖北師范大學學報(自然科學版) 2022年3期2022-09-27
- 卡方科技何劍勇：以科技重新定義智能投資新時代
委會會員單位——卡方科技，作為國內(nèi)領先的數(shù)智化交易服務與金融科技專家，目前已與超百家基金與券商客戶達成合作，提供交易執(zhí)行全生命周期場景化解決方案，并持續(xù)提供安全、穩(wěn)定、高效、合規(guī)的交易運營服務。在卡方科技CEO何劍勇看來，當前金融行業(yè)已進入數(shù)智化的關鍵階段，以數(shù)字化轉型為基礎，以科技引領業(yè)務，將成為提升證券公司核心競爭力的關鍵工具。卡方科技將繼續(xù)以金融理解力、AI算法力和技術實現(xiàn)力為核心驅動，在保持自身高速發(fā)展的同時不斷壯大開放創(chuàng)新、合作共贏的產(chǎn)業(yè)生態(tài)，加
理財周刊 2022年11期2022-05-30
- 基于卡方檢驗與SVM的多雷達抗欺騙干擾方法
相關的特點，采用卡方檢驗剔除假目標：文獻［6］將角度量測卡方檢驗與距離量測均值和方差聯(lián)合檢驗相結合，鑒別假目標；文獻［7］將三坐標雷達的量測值轉換至兩坐標雷達所在的坐標系，構造卡方檢驗鑒別假目標；文獻［8］將主動雷達的量測值轉換至被動雷達所在的坐標系，通過點跡與航跡構造卡方檢驗鑒別假目標。但是，以上研究有兩大問題：一是組網(wǎng)結構，異構組網(wǎng)相比同構組網(wǎng)對算法的適用性要求高，并且需要不斷調(diào)整；二是探測角度差異，在較遠區(qū)域，各雷達相對目標的角度差異較小時，假目標分
空天防御 2022年1期2022-05-24
- 淺談上海在讀大學生脫發(fā)現(xiàn)象及相關因素分析
3.1關于性別的卡方分析根據(jù)不同性別，從發(fā)質、頭皮狀況、是否節(jié)食減肥、是否有撓頭行為和是否有家族脫發(fā)進行了卡方分析。從表中數(shù)據(jù)：性別和是否有家族脫發(fā)的皮爾遜卡方顯著性是0.001<0.05，可以看出不同性別在是否有家族脫發(fā)情況上有顯著的相關關系。3.2關于發(fā)質的卡方分析根據(jù)不同發(fā)質，從頭皮狀況、是否節(jié)食減肥、是否有撓頭行為和是否有家族脫發(fā)進行了卡方分析。從表中數(shù)據(jù)：發(fā)質和頭皮狀況、是否節(jié)食減肥、是否有家族脫發(fā)的皮爾遜卡方顯著性分別是：0.000<0.05，
中國藥學藥品知識倉庫 2022年1期2022-03-23
- 基于卡方分布函數(shù)的輻射帶電子蝴蝶狀投擲角分布的優(yōu)化判別方法
文建立了一個基于卡方分布函數(shù)(Chi-square Distribution Function，簡稱2分布)的模型，對符合傳統(tǒng)方法挑選標準的事例進行二次篩選，以實現(xiàn)對電子蝴蝶狀分布的優(yōu)化判別.1.1節(jié)以Ni等(2016)中判別方法為例，通過具體電子投擲角分布事例闡述傳統(tǒng)方法的不足.1.2節(jié)詳細介紹了建模過程，2.1和2.2節(jié)則分別從具體事例、統(tǒng)計結果上驗證了傳統(tǒng)方法結合該模型后對輻射帶電子蝴蝶狀投擲角分布的判別效果的提升.1 蝴蝶狀投擲角分布判別方法1.1
地球物理學報 2022年3期2022-03-15
- 關于卡方復形的強shellable性質
構造的復形Δχ（卡方復形），并證明了這些復形Δχ都是純復形且頂點可分解，因而是shellable純復形，進而都是Cohen-Macaulay復形.Guo等［6-7］定義并研究了一類特殊的shellable復形，稱為強shellable復形.其優(yōu)于一般shellable復形之處在于強shellable純復形的極大面理想都具有線性商.單純復形與圖論有著非常緊密的聯(lián)系.對于一個有限簡單圖，可以定義其獨立復形，該復形以圖的頂點集作為基礎集，以圖的獨立點集作為面.若
海南大學學報（自然科學版） 2021年4期2022-01-25
- 拉普拉斯變換在卡方分布中的應用
清拉普拉斯變換在卡方分布中的應用劉芝秀，賴伊清（南昌工程學院 理學院，江西 南昌 330099）本文利用拉普拉斯變換作為概率分布的特征函數(shù)，重新導出了卡方密度函數(shù), 并給出了計算卡方分位數(shù)的一種新算法，該算法可用于計算自由度為4的任意卡方分位數(shù)，基于自由度為4的任意卡方分位數(shù)的計算進而改進了教學評估的一種手段，即提高了五等級評價標準下學生成績占比異常情況的抽檢效率。拉普拉斯變換; 卡方分布; 卡方分位數(shù); 自由度; 教育質量評估本文即基于這一思考，用拉普拉
黃岡職業(yè)技術學院學報 2021年6期2021-12-24
- 卡方檢驗在小兒外科數(shù)據(jù)分析中的應用舉例
兩個樣本率比較的卡方檢驗舉例：男童與女童腦積水的患病率的對比；腔鏡手術療法與開放手術療法治療化膿性闌尾炎痊愈率的對比。二、多個樣本率比較的卡方檢驗舉例：＜1歲、1～3歲與＞3歲兒童腦積水的患病率的對比；單純手術療法、單純藥物療法與手術聯(lián)合藥物療法治療化膿性闌尾炎痊愈率的對比。三、構成比的比較舉例：某地城市、郊區(qū)兒童營養(yǎng)狀況構成比較；美國、中國、挪威三種不同國籍兒童的ABO血型分布。四、配對四格表資料的卡方檢驗舉例：常規(guī)培養(yǎng)法與熒光抗體法檢驗檢測兒童尿路大腸
臨床小兒外科雜志 2021年12期2021-12-23
- 利用Excel VBA函數(shù)在醫(yī)學檢驗中進行四格表統(tǒng)計的教學嘗試*
需要進行的四格表卡方檢驗的統(tǒng)計方法，主要應用于對陽性率、患病率、發(fā)病率等數(shù)據(jù)的分析，運用Excel軟件即可實現(xiàn)。相較于專業(yè)統(tǒng)計軟件，Excel具有操作簡單、易學易用、方便、圖形美觀和普及性高等優(yōu)點[1]。在此背景下，筆者采用目前運用廣泛的Microsoft Office Excel 2007開發(fā)的VBA宏程序，以實現(xiàn)四格表卡方檢驗，即根據(jù)不同數(shù)據(jù)智能計算出卡方檢驗、校正卡方檢驗和確切概率法的值與P值，自動判斷是否有統(tǒng)計學意義，簡化了繁瑣統(tǒng)計操作程序，達到計
臨床輸血與檢驗 2021年6期2021-12-22
- 卡方檢驗的應用條件
卡方檢驗是計數(shù)資料統(tǒng)計推斷的重要方法，可用于兩個率或多個率的組間比較，兩組或多組間構成比的比較等。卡方檢驗在應用過程中有其應用條件，而不是只要是計數(shù)資料就用卡方檢驗。卡方檢驗的應用條件：(1) 樣本量≥ 40，且理論頻數(shù)T ≥ 5 時用卡方檢驗的基本公式，檢驗統(tǒng)計量為；(2) 樣本量≥ 40，但理論頻數(shù)1 ≤ T本刊編輯部
現(xiàn)代電生理學雜志 2021年3期2021-12-05
- 大學生創(chuàng)業(yè)意向影響因素分析
——以寧波市11所高校為例
過創(chuàng)業(yè)的詳細流程卡方檢驗的顯著性概率小于0.05，不接受兩個變量相互獨立的零假設，表明不同學校學生在這些方面有明顯不同。2.2 不同性別的顯著性檢驗由表2中數(shù)據(jù)可以看出，受訪者擁有的企業(yè)類型，是否主動去了解過創(chuàng)業(yè)的詳細流程卡方檢驗的顯著性概率小于0.05，不接受兩個變量相互獨立的零假設，表明不同性別學生在這些方面有明顯不同。表2：不同性別創(chuàng)業(yè)情況卡方檢驗表2.3 不同年齡的顯著性檢驗由表3中數(shù)據(jù)可以看出，受訪者擁有的企業(yè)類型，繼續(xù)創(chuàng)業(yè)的可能性，是否存在創(chuàng)業(yè)
科教導刊·電子版 2021年17期2021-08-06
- 融合卡方統(tǒng)計和TF-IWF算法的特征提取和短文本分類方法
文提出了一種融合卡方統(tǒng)計和TF-IWF算法的特征提取和短文本分類方法，旨在解決TFIDF算法計算特征值權重范圍小的問題，提升短文本分類的準確率。1 研究現(xiàn)狀相比較于長文本，短文本的內(nèi)容稀疏、信息單元難以準確采集，將傳統(tǒng)的文本分類方法如支持向量機、樸素貝葉斯分類等直接應用于短文本分類難以取得好的效果［4-5］。針對此問題，研究者提出了一系列對短文本進行特征提取的辦法，由此達到提升短文本分類精準率的目的。一部分研究者通過引入外部語料庫來彌補短文本語料集信息密度
重慶理工大學學報(自然科學) 2021年5期2021-06-10
- 2019女排世界杯中韓兩國技戰(zhàn)術層面主要數(shù)據(jù)對比分析
Pearson 卡方檢驗結果為 p＞0.05，呈非顯著關系。也就是中國和韓國的攔網(wǎng)得分上并無太大差異，兩隊的得分能力相似，攔網(wǎng)的成功率也差不多。卡方檢驗卡方檢驗（二）扣球得分隊伍＊ 扣球得分 交叉制表通過以上數(shù)據(jù)我們可以得知，中國和韓國的扣球得分Pearson 卡方檢驗結果為 p＞0.05，呈非顯著關系。也就是中國和韓國的扣球得分上并無太大差異，兩隊的扣球得分能力相似，扣球的成功率也基本相同。三、2019女排世界杯中韓兩國主要數(shù)據(jù)對比分析-戰(zhàn)術層面（一）強
灌籃 2021年28期2021-03-17
- 密碼算法安全-側信道泄漏評估技術的研究及應用
新的研究提出使用卡方檢驗的方法可以用于側信道泄漏檢測，并且具有更高的效率。本節(jié)主要介紹基于Welch t檢驗和卡方檢驗的兩種泄漏認證方法。1.1 基于 Welch t檢驗的泄漏評估方法假如兩個樣本集是Q0和Q1，樣本量分別是n0和n1，樣本均值分別是μ0和μ1，方差分別是Welch t檢驗用于判斷兩個樣本總體的期望是否相等。在Welch t檢驗中，零假設和備用假設分別是：拒絕或者接受H0假設是由統(tǒng)計量t和自由度v決定，根據(jù)自由度，t分布的概率密度函數(shù)可以被
無線互聯(lián)科技 2021年2期2021-03-01
- 卡方檢驗在筆跡學中的應用
觀性。因此，利用卡方檢驗處理數(shù)據(jù)已經(jīng)成為一種趨勢。卡方檢驗是一種非連續(xù)性資料的假設檢驗方法，所涉及的數(shù)據(jù)比較簡單，計算過程也比較容易掌握，所以應用較為廣泛。作為非參數(shù)檢驗的一種，卡方檢驗主要有三種用途，一是比較兩個及兩個以上樣本率（構成比），即擬合度檢驗；二是兩個分類變量之間有無關聯(lián)性，即相關性分析；三是檢驗兩個或兩個以上總體的某一特性分布，也就是各“類別”的比例是否統(tǒng)一或相近，即統(tǒng)一性檢驗。對于進行相關性分析的這一用途來說，在卡方檢驗中，要判斷兩個變量是
廣東公安科技 2020年2期2020-07-16
- 噪聲穩(wěn)健性的卡方生成對抗網(wǎng)絡
離更有實際意義，卡方散度和熵可以有效反映相對距離。相比于熵，卡方散度沒有對數(shù)和指數(shù)運算，其計算復雜度小，運算速度較快。此外，卡方散度還具有稀疏不變性和量化敏感性[41]，利于衡量不同分布間細微的差異。因此，有必要將卡方散度用于生成對抗網(wǎng)絡中展開研究。為了解決不同分布噪聲下網(wǎng)絡生成樣本質量差異明顯、穩(wěn)健性差的問題，本文提出了一種噪聲穩(wěn)健性的卡方生成對抗網(wǎng)絡（CSGAN,chi-square generative adversarial network）。該網(wǎng)
通信學報 2020年3期2020-04-06
- 戴手套書寫字筆跡特征變化規(guī)律的實驗研究*
步探析。同時利用卡方檢驗和SPSS 軟件對所得數(shù)據(jù)進行處理，以驗證改變書寫條件與筆跡特征變化之間是否具有相關性。1 實驗設計選取某高校在校生25 人，其中男性12 人，女性13人。受試者分別在其他書寫條件相同的情況下進行正常書寫和戴五種常見的不同種類手套的書寫條件下，在模擬銀行票據(jù)上書寫簽名、日期和電話號碼及背書信息。為避免偶然性和展現(xiàn)書寫多樣性，所有書寫材料均一式四份。實驗所用不同類型手套如圖1、圖2、圖3、圖4、圖5 所示。分別制作筆跡特征比對表，充分
廣東公安科技 2020年4期2020-03-17
- 基于非中心分布三個結論的證明
何函數(shù)得到非中心卡方分布的特征函數(shù)和非中心F分布的高階矩[2]，推導廣義非中心卡方分布的精確表達式[3].本文基于非中心分布的三個重要結論給出了詳細的證明過程.引理1[4](非中心Gamma分布的可加性)：若X1～Ga(α1,λ,γ1)，X2～Ga(α2,λ,γ2)，且X1和X2相互獨立，則X1+X2～Ga(α1+α2,λ,γ1+γ2).1 結論1證明：FY(y)=Pr(Yy)等式兩邊同時求導，得到的密度函數(shù)為則由引理1的非中心Gamma分布的可加性，且X
綿陽師范學院學報 2020年2期2020-03-02
- 基于卡方檢驗的自適應魯棒CKF組合導航算法
1]提出通過兩次卡方檢驗對系統(tǒng)的判斷，在標準CKF，抗差濾波，和自適應濾波進行選擇，由于它至多只對一個參數(shù)進行了調(diào)節(jié)，并不能處理觀測異常和噪聲不確定同時存在的情況。文獻[12]通過利用Doyle-Stein條件構造的卡爾曼濾波對動力學模型誤差不敏感這一現(xiàn)象，來分離觀測異常與模型誤差，但是該方法只用于受控系統(tǒng)。針對組合導航系統(tǒng)在過程噪聲統(tǒng)計特性不確定和觀測值異常時魯棒性差的問題，本方法將魯棒性估計與自適應算法結合，提出了基于卡方檢驗的自適應魯棒CKF組合導航
探測與控制學報 2019年5期2019-11-07
- 三大抽樣分布的理解與具體性質
分布分別指的是：卡方分布、t分布（也叫學生t分布）、F分布，在詳細敘述這三大分布之前，我們需要對伽馬分布有清晰的認識，下面我們先簡單探討伽馬分布.二、預備知識如果一個隨機變量X服從形狀參數(shù)為α，尺度參數(shù)為β的伽馬分布，我們記X～Γ（α，β），那么其概率密度函數(shù)為f（x）=xα-1e-xββαΓ（α），α，β>0，x≥0，則E（X）=αβ，Var（X）=αβ2，其中Γ（α）為伽馬函數(shù)，且Γ（α）=∫∞0xα-1e-xdx，另外還有一個實用的結論，Γ12=π.
數(shù)學學習與研究 2019年12期2019-08-07
- 基于學生成績的教學效果評價及在SPSS軟件上的實現(xiàn)
案例3采用四格表卡方檢驗，案例4采用分層卡方檢驗，此兩個案例的指標變量均為計數(shù)資料，區(qū)別是后者在前者基礎上以性別分層。指標變量為等級資料時通常采用秩和檢驗和Ridit分析[5]，在SPSS操作上，前者比后者簡單，故本文案例5采用前者。案例6和案例7皆有兩個因素：學院、組別，需進行多元統(tǒng)計分析，前者指標變量為二分類計數(shù)資料，故采用二分類Logistic回歸分析，還可以考察因素間的交互作用[3,6]；后者為等級資料，故采用有序Logistic回歸分析。Logi
長春師范大學學報 2019年6期2019-06-20
- 不同劑量糖皮質激素沖擊治療風濕病的臨床效果評價
兩組顯效例數(shù)對比卡方為9.642，P值為0.001；有效例數(shù)對比卡方為0.659，P值為0.416；無效例數(shù)對比卡方為9.016，P值為0.002；治療效果對比卡方為9.016，P值為0.002。2.2 不良反應 觀察組患者30例，治療期間出現(xiàn)1例（3.33%）頭痛，2例（6.67%）惡心，2例（6.67%）腹瀉，不良反應發(fā)生率為16.67%（5/30）。對照組患者30例，治療期間出現(xiàn)2例（6.67%）頭痛，1例（3.33%）惡心，3例（10.00%）腹瀉
心血管外科雜志(電子版) 2018年3期2018-02-10
- 作為數(shù)學教育研究數(shù)據(jù)處理的卡方分析法
育研究數(shù)據(jù)處理的卡方分析法筅華中師范大學數(shù)學與統(tǒng)計學學院劉曉燕徐章韜一、引言定量取向的實證教育、心理研究所處理的數(shù)據(jù)層次較低，大多是一些定類、定序變量，這些數(shù)據(jù)有時候也稱作質性數(shù)據(jù).數(shù)據(jù)處理的精要之一是依據(jù)變量的不同特點而選用不同的處理方法，否則不僅得不到有益的結論，還誤導了人們的認識.在數(shù)學教育研究中，人們常常會遇到各種分類變量，分類變量的不同取值表示個體所屬的不同類別.例如，性別變量，其取值為男和女，表示按性別劃分，研究對象的群體可分為兩類；又如，對于
中學數(shù)學雜志 2016年13期2016-11-25
- 卡方分布的性質與應用探討
19000）一、卡方分布的理論概述若n個相互獨立的隨機變量均服從標準正態(tài)分布，則這n個均服從標準正態(tài)分布的隨機變量的平方和構成一個新的隨機變量，其分布規(guī)律稱為卡方分布。其中參數(shù)n稱為自由度，自由度不同卡方分布就不同。從以上的定義介紹中我們可以看出，卡方分布實際上是由正態(tài)分布構造而成的一個新的分布，這也正說明了正態(tài)分布在數(shù)理統(tǒng)計中的重要作用。卡方分布是概率論和統(tǒng)計學中重要的一種開率分布。卡方分布常用于假設檢驗和置信區(qū)間的計算。二、卡方分布的性質1.卡方分布的
中文信息 2016年1期2016-07-03
- 基于卡方距離改進的WLAN室內(nèi)定位算法
16023)基于卡方距離改進的WLAN室內(nèi)定位算法陶 崢1，2，王洪玉1(1.大連理工大學電子信息與電氣工程學部，遼寧大連 116024; 2.解放軍92124部隊，遼寧大連 116023)基于WLAN的定位服務現(xiàn)今已成為智慧城市中一個很有吸引力的研究領域。在各種定位算法中，經(jīng)典歐氏距離法的度量方式只考慮各實際位置點RSS向量之間的絕對距離，往往忽視各實際位置點RSS向量之間的相對距離;并且只能給各AP賦予相同的權重。為克服歐氏距離法的不足，提出了基于卡方
計算機技術與發(fā)展 2016年9期2016-03-01
- 基于卡方距離度量的改進KNN算法
150001基于卡方距離度量的改進KNN算法謝紅，趙洪野哈爾濱工程大學信息與通信工程學院，黑龍江哈爾濱 150001K-近鄰算法（K-nearestneighbor，KNN）是一種思路簡單、易于掌握、分類效果顯著的算法。決定K-近鄰算法分類效果關鍵因素之一就是距離的度量，歐氏距離經(jīng)常作為K-近鄰算法中度量函數(shù)，歐式距離將樣本的不同特征量賦予相同的權重，但是不同特征量對分類結果準確性影響是不同的。采用更能體現(xiàn)特征量之間相對關系的卡方距離度量作為KNN算法的度
應用科技 2015年1期2015-05-15
- 基于卡方擬合度的無線傳感器網(wǎng)絡數(shù)據(jù)復原匯聚方法
10041)基于卡方擬合度的無線傳感器網(wǎng)絡數(shù)據(jù)復原匯聚方法孔貴琴， 李 智(四川大學 電子與信息學院，四川 成都 610041)在無線傳感器網(wǎng)絡(WSNs)中，現(xiàn)有的數(shù)據(jù)復原匯聚算法不能準確判斷節(jié)點感知數(shù)據(jù)的受攻擊程度，數(shù)據(jù)復原精度偏低，故提出了一種基于卡方擬合度的分布式數(shù)據(jù)復原匯聚算法。該算法根據(jù)不同時刻節(jié)點感知數(shù)據(jù)的時間相關性特點來構造各節(jié)點信任權值計算當前時刻各簇數(shù)據(jù)樣本的估計值，并利用卡方擬合度來衡量此時各個簇的受攻擊程度，最后通過加權運算提高了算
傳感器與微系統(tǒng) 2015年4期2015-05-11
- Peer-assisted learning to train high-school students to perform basic life-support
其中計數(shù)資料通過卡方檢驗，計量資料通過標準差表示，通過t檢驗，如果差異明顯，則P＜0.05。Questionnaires (Table 2) were completed before and after training. The pre-training questionnaire addressed interest in and background knowledge about CPR: "Do you know what CPR is?",
- 改進的二維最小卡方散度圖像分割方法
8改進的二維最小卡方散度圖像分割方法王晨1，2，樊養(yǎng)余1，熊磊21.西北工業(yè)大學電子信息學院，西安 7100722.空軍工程大學航空航天工程學院，西安 7100381 引言圖像分割作為圖像分析和圖像理解的基礎，其性能關系到圖像處理任務的成敗，因此是圖像處理領域研究的重要內(nèi)容之一[1-3]。然而由于自然界的復雜性，目前還沒有一種較為通用的圖像分割技術。針對不同應用背景，相關研究人員先后提出了種類繁多的圖像分割方法。在這些方法中，基于圖像直方圖信息的閾值化方法
計算機工程與應用 2014年18期2014-07-19
- 卡方檢驗在醫(yī)學資料處理中的應用
434020)卡方檢驗在醫(yī)學資料處理中的應用文 婷 (長江大學荊州臨床醫(yī)學院 荊州市中心醫(yī)院ICU，湖北 荊州 434020)卡方(χ2)檢驗在醫(yī)學、藥學工作和研究中經(jīng)常用來對數(shù)據(jù)進行統(tǒng)計分析。介紹了兩獨立樣本率的卡方檢驗的相關統(tǒng)計學的概念和方法,并通過Excel電子表格計算兩個實例, 具體地說明了四格表χ2檢驗方法在醫(yī)學研究中的應用，分析方法詳盡清晰易懂，為專業(yè)人員進行相關分析提供參考。獨立樣本；χ2檢驗；醫(yī)療系統(tǒng)醫(yī)學、藥學工作者在工作和研究中經(jīng)常需要
長江大學學報(自科版) 2013年24期2013-10-27
- 列聯(lián)表檢驗在疾病成因中的應用
1 列聯(lián)表檢驗和卡方檢驗1.1 列聯(lián)表檢驗統(tǒng)計學中，對研究對象進行分類并對樣本的頻數(shù)進行統(tǒng)計并進行探究。依據(jù)樣本分組的指標變量，對其排序即得到列聯(lián)表。分析研究列聯(lián)表中的數(shù)據(jù)，來檢驗兩個變量的關系，應用假設檢驗中的卡方檢驗研究列聯(lián)表中分類變量是否獨立，稱這種檢驗為列聯(lián)表檢驗［2］。列聯(lián)表分析法的應用極為廣泛，它可以分析研究總體中個體的屬性之間是否相關，稱為獨立性檢驗。例如，帕金森與其性別是否有關?在以二者為研究對象所列出的列聯(lián)表中，以Pi.、Pj.和Pij代
大慶師范學院學報 2013年3期2013-05-25
- CEO年齡組與企業(yè)規(guī)模關系的列聯(lián)分析*
列聯(lián)表可用來進行卡方檢驗、做相關分析、給出相應的關聯(lián)系數(shù)、計算特定的統(tǒng)計量等.本文通過列聯(lián)表考察CEO年齡組與企業(yè)規(guī)模關系兩個變量的期望頻數(shù)，運用卡方檢驗這兩個變量間的獨立性.1 交叉分組下的頻數(shù)分析交叉分組下的頻數(shù)分析又稱列聯(lián)表分析.編制交叉列聯(lián)表是交叉分組下頻數(shù)分析的第一個任務.交叉列聯(lián)表是兩個或兩個以上的變量交叉分組后形成的頻數(shù)分布表.1.1 交叉分組下頻數(shù)分析的目的頻數(shù)分析能夠掌握單個變量的數(shù)據(jù)分布情況，在實際分析中，不僅要了解單個變量的分布特征，
通化師范學院學報 2013年2期2013-01-10
- 1:M配對病例-對照研究中兩種可信區(qū)間的SAS分析方法
-Haenzel卡方檢驗〔1-3〕進行分析，但是目前通用的統(tǒng)計軟件大多沒有提供計算程序，而手工計算又十分復雜，本文就如何應用SAS軟件對1:M配比資料的Mantel-Haenzel卡方檢驗的計算方法及對不同的方法計算OR可信區(qū)間進行討論和比較。原理與方法當1:M配對的病例-對照研究僅存在一個配比因素時可以采用分層分析，即 Mantel-Haenzel卡方檢驗，1:M配對的病例-對照研究資料可按照表1的格式整理，并按照計算公式計算χ2M-H和 ORMH。表1
中國衛(wèi)生統(tǒng)計 2011年5期2011-07-27
- 樣本量和群內(nèi)相關系數(shù)對整群干預試驗中干預效應推斷的影響
，可以用Wald卡方檢驗，或以此為基礎的近似t檢驗。本文目的在于以Monte Carlo模擬評估樣本量和內(nèi)部相關系數(shù)對整群干預試驗中干預效應的推斷的影響。干預效應的推斷通過SAS PROC MIXED的Wald卡方檢驗和兩種不同自由度的t檢驗。本文對正態(tài)結局變量的線性混合效應模型的干預效應進行假設檢驗和區(qū)間估計。模 型考慮下面不含協(xié)變量的簡單的混合效應模型:對于干預效應β1的推斷，SAS PROC MIXED提供以下統(tǒng)計量〔9〕:(2)t統(tǒng)計量:在SAS
中國衛(wèi)生統(tǒng)計 2011年4期2011-05-23
- 蛋白質修正卡方分布函數(shù)
70)蛋白質修正卡方分布函數(shù)王人福，王 星，章社生(武漢理工大學 統(tǒng)計系，湖北 武漢 430070)利用統(tǒng)計分析和數(shù)據(jù)挖掘的知識，給出了蛋白質殘基原子與其他原子的接觸距離和接觸數(shù)的定義，并根據(jù)蛋白質的種類的不同，計算了接觸距離的數(shù)學期望和標準差，得到血紅蛋白、激素和肌蛋白殘基的概率分布，構造出類蛋白質ASP殘基接觸數(shù)的修正卡方分布函數(shù).蛋白質；殘基；接觸數(shù)；卡方分布研究生命科學離不開蛋白質，DNA的生理功能是以蛋白質的形式表達，研究DNA必需研究蛋白質.在
湖北文理學院學報 2010年11期2010-11-07
- 基于卡方分布的更新函數(shù)確定
更新過程，則3 卡方更新過程的更新函數(shù)定理 卡方更新過程的更新函數(shù)4 應用實例[5]在公路橋梁上某一位置觀測車輛到達的時間間隔20個數(shù)據(jù)(秒)，從小到大排列為:3，4，4，6，6，6，8，8，10，11，13，21，29，42，45，48，49，55，59，68。用矩法估計χ2分布的參數(shù)k=[24.75]=24。經(jīng)k-s檢驗結果觀察值Dn=6.627 3×10-6。對α=0.05，查k-s表臨界值D20.005=0.294，有Dn=6.627 3×10-6
華東交通大學學報 2010年3期2010-03-23