XiaoMi-AI文件搜索系统
World File Search SystemWilcoxon
随时协作大脑的补充信息...
对于每个组大小和一对决策集成方法，我们比较了所有可能的小组获得的所有方法的准确性。然后，我们应用了Wilcoxon签名的等级测试，以获得统计显着性的度量。正如其中一位审稿人正确指出的那样，Wilcoxon签名的等级测试要求所有观察结果彼此独立：在我们的情况下，这种假设可能违反，因为不同的群体可能共享很大比例的个体。要验证这是否可能是一个问题，我们将自己置于零假设中，即测试的聚合方法对不会改变记录的组绩效。因此，我们遍历了每个组，然后随机交换了通过测试的两种方法获得的精度，然后运行Wilcoxon签名的等级测试。我们重复了此过程10,000，并确定了所得数据集中的第5个百分位数。这代表标准置信度，α= 0.05。Wilcoxon测试以所有组尺寸和成对的聚合方法的p值在第5个百分点中返回的P值非常接近0.05。对于巡逻实验，它们为0.05041±0.00205，前哨实验为0.05021±0.00441。这表明与样品独立性相关的任何潜在问题都是最小的，并在我们的实验中验证了Wilcoxon签名的等级测试的使用。
比较：改善蛋白质– DNA复合模型与基于氢键的指标的比较
图4基于比较和PDDOCKQ分数，在顶部模型中再现氢键的数量的比较。（a）总界面氢键的数量； （b）模型中与参考结构中相同氢键能类别的总界面氢键的数量； （c）侧chain基碱氢键的总界面数量； （d）模型中与参考结构中相同的氢键能类别中的总界面Sidechain-base氢键的数量。P-值。
对奖励预测错误和1加强学习的雌激素控制2
图1：大鼠的试验开始时间是由状态和发情阶段的值调节的。a。行为范式的示意图。b。任务的块结构带有示例会话（顶部）和每个块中的奖励分布（底部）。c。一个示例大鼠的跨块的平均降解试验启动时间。在低和高块中的起始时间显着不同，p << 1×10-20，双面Wilcoxon秩和测试，误差线是置信区间（CIS）。d。跨population的启动时间对块（低 - 高块）的敏感性与零，一侧Wilcoxon签名的等级测试p << 1×10-20，n = 303。e。示意图描述强化学习模型。启动时间与试验（t）中的状态价值（V t）成反比，当该试验提供奖励（R T）时，该启动时间通过奖励预测错误（δ）而更新。学习率（α）确定在状态值估计中权衡先前的奖励（r t-n）的程度。f。在所有大鼠的混合块期间，在混合块中，脱机试验启动时间的中值回归系数是奖励的函数。
基于非特征的EEG序列聚类置换分析
基于聚类的置换检验广泛用于神经科学研究中，用于分析高维脑电图 (EEG) 和事件相关电位 (ERP) 数据，因为它可以解决多重比较问题而不会降低统计功效。然而，经典的基于聚类的置换分析依赖于参数 t 检验，如果数据分布不正态，则可能无法验证其假设，因此可能需要考虑其他选择。为了克服这一限制，我们在此介绍了一种基于非参数 Wilcoxon-Mann-Whitney 检验的 EEG 序列聚类置换分析新软件。我们在两个独立的 ERP 和 EEG 频谱数据集中测试了 t 检验和非参数 Wilcoxon 实现：虽然基于 t 检验和基于非参数 Wilcoxon 的聚类分析在 ERP 数据的情况下显示出相似的结果，但 t 检验实现无法在频谱数据的情况下发现聚类效应。我们鼓励使用非参数统计数据对 EEG 数据进行聚类置换分析，并且我们为此计算提供了一个公开可用的软件。© 2022 作者。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
MCHIAO：基于解决工程问题的混乱行为的修改后的冠状病毒群体 - Aquila优化算法
摘要本文提出了一种混合修饰的冠状病毒群免疫Aquila优化算法（MCHIAO），该算法（MCHIAO）编译了增强的冠状病毒群免疫优化器（ECHIO）算法和Aquila Optimizer（AO）。作为具有竞争性人类的优化算法之一，冠状病毒群免疫优化器（CHIO）超过了其他一些以生物为灵感的算法。与其他优化算法相比，CHIO显示出良好的结果。然而，CHIO与局部Optima相关，并且大规模全球优化问题的准确性降低了。另一方面，尽管AO具有显着的本地剥削能力，但其全球勘探能力却没有必要。随后，提出了一种新型的元疗优化器，修饰的冠状病毒群kepira优化器（MCHIAO），以克服这些限制并将其适应以解决特征选择挑战。在本文中，提出了三个主要的增强功能，以克服这些问题并达到更高的最佳结果，这些结果是分类的情况，使用混乱系统增强了新基因的价值方程，并受到了冠状病毒的混乱行为的启发，并产生了一种新的公式，以开关开关和狭窄的利用。MCHIAO证明，除了AO和CHIO之外，还值得十种众所周知的最著名的最先进的优化算法（GoA，MFO，MPA，GWO，GWO，HHO，HHO，HHO，HHO，WOA，IAO，NOA，NOA，NOA，NGO）。Friedman平均水平和Wilcoxon统计分析（P值）均在所有最新算法测试23个基准功能上进行。Wilcoxon测试和Friedman在29 CEC2017功能上也进行了。此外，在10 CEC2019基准功能上进行了一些统计检验。六个现实世界中的问题用于验证所提出的MCHIAO针对相同的十二个最先进的算法。在经典函数上，包括24个单峰和44个多模式函数，分别评估了混合算法MCHIAO的剥削性和探索性行为。使用Wilcoxon Rank -sum检验计算的P值证明了所提出的所有功能的统计学意义，因为发现这些P值小于0.05。
机器人二尖瓣修复后的功能结果
我们对前瞻性收集的调查数据进行了单个机构的回顾性分析，以评估我们的目标。评估了203名在2010年3月1日至2020年9月31日之间进行机器人二尖瓣成形术的患者。在这些患者中，有63名患者对使用改良的KCCQ-12调查对术后功能结果进行了在线调查。我们进行了配对的非参数Wilcoxon和一个样本t检验，以评估测量结果中的统计显着性。
印尼社区健康杂志...
简介：小工具的使用大大增加了，小工具在教育领域有很多好处，尤其是在学习过程中的学生中。过度使用的小工具可能会导致被称为计算机视觉综合征的眼部疾病。在萨拉巴亚Emaus Putri宿舍的女学生中发现的现象是，其中大多数经历了计算机视觉综合征。努力预防和克服计算机视觉综合征的努力是进行了眼睛。这项研究旨在确定对计算机视觉综合征行使的眼睛的影响。方法：所使用的方法是经过实验的，具有一组预测设计的设计设计。独立变量被锻炼，而因变量是计算机视觉综合征。在Emaus Girls's宿舍Surabaya中使用了样本量的总抽样技术，其中44名女学生的样本。使用的仪器是CVS-Q问卷，并使用了Wilcoxon统计检验。结果：根据研究的结果，有38名受访者经历了计算机视觉综合征，在锻炼眼睛后，经历了计算机视觉综合征的受访者人数减少到17（39％）。Wilcoxon测试的结果显示P值为（0.000）<α（0.05），这意味着锻炼的眼睛在降低了计算机视觉综合征的分数中。结论：定期进行眼睛可以减少计算机视觉综合征的症状。关键字：计算机视觉综合征；眼睛锻炼
M.Sc.物理课程内容 附件i
数据的统计分析：随机变量；概率和概率分布的原则；假设检验的基本概念；平均值的标准误差；置信区间；曲线拟合；精确测试拟合优度；功率分析；卡方测试拟合优度； G-Test拟合优度；卡方独立性测试；独立的G检验；学生的t检验用于一个样本；学生的t检验，用于两个样本；配对t检验； Wilcoxon签名式测试；相关和线性回归；斯皮尔曼的等级相关；多重回归；卡尔曼过滤器；这些统计测试的动手python培训
葡萄糖co-Transporter 2抑制剂对脂质的影响...
统计分析Windows 20.0（美国IBM Corp.）的IBM SPSS统计数据用于本研究中获得的所有数据的分析。根据Kolmogorov-Smirnov检验的结果，鉴定出具有正态分布的数值数据并表示为平均值±标准偏差，而发现具有非正态分布的数据表示为中位数，具有四分之一间的范围。 在比较两组具有正态分布的数据时，应用了Mann-Whitney U检验和学生t检验。 用数量和百分比评估了分类变量，Fisher精确和卡方检验用于对这些数据组进行比较。 在为期12周的随访中，通过配对样本t检验或Wilcoxon标志测试评估实验室发现的变化。 通过重复测量ANOVA分析测试了对照组和SGLT-2I组之间实验室发现的变化。 p <0.05的值被接受为具有统计学意义。根据Kolmogorov-Smirnov检验的结果，鉴定出具有正态分布的数值数据并表示为平均值±标准偏差，而发现具有非正态分布的数据表示为中位数，具有四分之一间的范围。在比较两组具有正态分布的数据时，应用了Mann-Whitney U检验和学生t检验。分类变量，Fisher精确和卡方检验用于对这些数据组进行比较。在为期12周的随访中，通过配对样本t检验或Wilcoxon标志测试评估实验室发现的变化。通过重复测量ANOVA分析测试了对照组和SGLT-2I组之间实验室发现的变化。p <0.05的值被接受为具有统计学意义。
腹腔镜胆囊切除术新手受训者腹腔镜技能整体手术评估 (GOALS) 的有效性和可靠性
方法：总共 10 名受训人员，每人连续进行 6 例腹腔镜胆囊切除术。60 例手术被录像。(1) 打开腹膜；(2) 解剖 Calot 三角区并获得关键安全视图；(3) 从肝床解剖胆囊的视频片段被盲法、随机化，并由 2 名顾问外科医生使用 GOALS 进行评分。此外，还对整体能力给予评分。计算了 GOALS 与现场观察客观结构化技术技能评估 (OSATS) 分数的相关性。使用 Friedman 双向秩和检验和 Wilcoxon 符号秩检验评估结构效度。使用绝对和一致性双向随机效应模型组内相关系数计算评分者间信度。