XiaoMi-AI文件搜索系统
World File Search System统计检验
使用组合开发可生物降解的稻草...
摘要塑料废物最近被认为是最关键的环境问题之一。最塑料不可回收，并且完美退化需要300 - 500年。塑料稻草还会造成这些负面影响，因此开发可生物降解的稻草可以是一种溶液之一。含有碳水化合物的天然成分可以用作可生物降解的稻草材料是未使用的米饭和米麸，含二手食用油的甘油。本研究旨在分别找出未使用的米粉和米麸粉对参数的组成的影响。参数是拉伸强度，伸长，吸水和生物降解，然后与对照进行比较。统计检验用于检查，分析和比较数据之间。结果表明，原材料粉的组合变化对拉伸强度，伸长和生物降解的作用显着影响（p <0.05），但对水吸收的影响没有显着影响（P≥0.05）。从可生物降解吸管的抗拉力强度范围为0.21-6.19 MPa的伸长率范围为0.43-1.71％，水吸收100％，降解100％的结果。与3 g未使用的米粉组合的样品：0.5 g大米粉，具有最高的拉伸强度和伸长值，并在4天内降解。但是，该样品不能用作塑料吸管的替代品，因为它没有类似的特征。
研究认知康复对特定学习障碍学生执行职能的有效性
进行了本研究，以研究特定学习障碍学生的认知康复对执行功能（行为和认知调节）的有效性。该研究方法是实验性测试前测试设计和对照组的实验性。这项研究的统计人群是由所有特定学习障碍的学生组成的，他们在2021 - 2022年的学年提到了Ardabil学习障碍中心，使用可用的抽样方法从中选择了40名学生。然后，在实验组（20名参与者）和对照组（20名参与者）中随机替换它们。实验组暴露于11个会议上的认知康复干预措施。为了收集数据，Gioia等人的行为评级问卷。（2000）被使用。通过分析协方差统计检验分析数据。研究结果表明，认知康复干预改善了实验组特定学习障碍的学生的执行功能（行为和认知调节）（p <0.01）。考虑认知康复干预对特殊学习障碍学生的影响，学校和咨询中心可以使用这种治疗来与这些孩子一起改善其执行功能（行为和认知法规）。
水果的物理化学和微生物特征...
康普茶是一种用茶叶制成的发酵饮料，尽管最近其他替代品被视为替代品，例如水果。使用不同类型的水果可能会影响基于水果的康普茶的特征。本研究通过随机块设计研究了基于水果的康普茶的物理化学和微生物特征，其类型（红色的果实，苹果，蛇，草莓，草莓，葡萄，梨，红番石榴和柑橘）是因素。分析了生产的康普茶饮料，并比较pH，总糖，总酚类化合物，总类黄酮，抗氧化活性和总微生物。统计检验（例如方差分析（ANOVA）和最小显着性不同（LSD）（α= 5％））。结果表明，康普茶的物理化学和微生物学特征与蛇果实康普茶的果实类型显着相关，显示了每个特征的最佳结果：总乙酸细菌和酵母菌的总酵母和酵母1.53×10 9 cfu/ml，pH，pH的总糖为3.07，总糖为2.41％。 DPPH清除活性为5.46μg/mL的1.75 mg QE/mL和IC 50。发酵的基于水果的康普班被认为是传统康普茶的健康替代品，因为它们提供了丰富的营养来源，从而增强了人类的福祉。
使用新生的整个外显子组测序和MassArray基因分型的巴基斯坦Pashtun种族种族中的2型糖尿病遗传风险变异：病例对照协会研究
全基因组关联研究大大增加了T2DM相关风险变异的数量，但大多数都集中在欧洲起源的种群上。在包括巴基斯坦在内的发展中国家，此类研究缺乏。巴基斯坦人口中T2DM的高流行促使我们设计了这项研究。 我们已经在Pashtun种族人口中设计了一个两个阶段（发现阶段和验证阶段）病例对照研究，其中招募了500个T2DM病例和对照，以研究T2DM遗传风险变异。 在发现阶段的整个外显子组测序（WES）中用于基于SIFT和多phen评分，并建议T2DM致病性SNP。在验证阶段，使用Massar-Ray基因分型和适当的统计检验确认了所选变体的T2DM关联。 研究结果表明，目标正相关rs1801282/ pPARG（OR = 1.24，95％Cl = 1.20–1.46，p = 0.010），rs745975/ hnf4a（OR = 1.30，95％cl = 1.06-1.38，p = 1.06–1.38，p = 0.004），或95％CLIS，RS RS RS rS rs rs = 1.252（rs rs rs rs glis） 1.07–1.66，p = 0.016），rs8192552/ mtnr1b（OR = 1.53，95％Cl = 0.56–1.95，p = 0.012）和rs1805097/ irs-2（OR = 1.27，95％cl = 1.36-1.36–1.92，p = 0.045）而RS6415788/ GLIS3，RS61788900/ NOTCH2，RS61788901/ NOTCH2和RS11810554/ NOTCH2（p> 0.05）均显示无显着关联。 识别遗传风险因素/变体可以用于定义高风险受试者评估和预防疾病。巴基斯坦人口中T2DM的高流行促使我们设计了这项研究。我们已经在Pashtun种族人口中设计了一个两个阶段（发现阶段和验证阶段）病例对照研究，其中招募了500个T2DM病例和对照，以研究T2DM遗传风险变异。在发现阶段的整个外显子组测序（WES）中用于基于SIFT和多phen评分，并建议T2DM致病性SNP。在验证阶段，使用Massar-Ray基因分型和适当的统计检验确认了所选变体的T2DM关联。研究结果表明，目标正相关rs1801282/ pPARG（OR = 1.24，95％Cl = 1.20–1.46，p = 0.010），rs745975/ hnf4a（OR = 1.30，95％cl = 1.06-1.38，p = 1.06–1.38，p = 0.004），或95％CLIS，RS RS RS rS rs rs = 1.252（rs rs rs rs glis） 1.07–1.66，p = 0.016），rs8192552/ mtnr1b（OR = 1.53，95％Cl = 0.56–1.95，p = 0.012）和rs1805097/ irs-2（OR = 1.27，95％cl = 1.36-1.36–1.92，p = 0.045）而RS6415788/ GLIS3，RS61788900/ NOTCH2，RS61788901/ NOTCH2和RS11810554/ NOTCH2（p> 0.05）均显示无显着关联。识别遗传风险因素/变体可以用于定义高风险受试者评估和预防疾病。
语境、互补性、信号和贝尔测试
摘要：这是一篇专门讨论互补性-语境性相互作用以及与贝尔不等式相关的评论。从互补性开始讨论，我指出语境性是它的种子。玻尔语境性是可观测量结果对实验语境的依赖性；对系统-仪器相互作用的依赖性。从概率上讲，互补性意味着联合概率分布 (JPD) 不存在。人们必须使用语境概率而不是 JPD。贝尔不等式被解释为语境性的统计检验，因此是不相容性的。对于与语境相关的概率，这些不等式可能会被违反。我强调，贝尔不等式测试的语境性是所谓的联合测量语境性 (JMC)，即玻尔语境性的特例。然后，我研究了信号（边际不一致性）的作用。在 QM 中，信号可以被视为一种实验产物。然而，实验数据通常具有信号模式。我讨论了信号的可能来源——例如，状态准备对测量设置的依赖性。原则上，可以从信号阴影的数据中提取“纯语境性”的度量。这个理论被称为默认语境性 (CbD)。它导致不等式，其中有一个量化信号的附加项：Bell–Dzhafarov–Kujala 不等式。
Diponegoro医学杂志
摘要背景：从农业到工业社会的社会结构的变化对生活方式的变化做出了重大贡献，这导致了包括糖尿病（DM）在内的非传染性疾病的增加。生活方式的改变是饮食和运动。不健康的饮食和缺乏运动是开发DM 2类的触发因素之一。目的：分析生活方式（饮食和体育锻炼）与DM 2型的发生率之间的相关性。方法：通过回顾性研究，这项研究的设计是分析性观察。这项研究的人口是所有在Waru Sidoarjo健康中心被诊断出患有糖尿病2型糖尿病的患者。采样是通过目的抽样进行的，在这项研究中进行了60个样本，使用问卷片和糖仪的研究工具进行了采样。这项研究的统计检验是卡方。结果：基于已经进行的研究，发现饮食（p = 0.000 <α= 0.05）与体育活动（p = 0.001 <α= 0.05）之间存在关系。结论：与DM类型2.护士和营养学家更多地关注饮食并进行糖尿病体操。DM人员定期控制饮食和体育锻炼。关键字：生活方式，饮食，体育锻炼，DM 2型简介
“四分之一规则”的限制和测量公平性的统计奇偶校验测试∗
为了确保算法决策系统的公平性，例如就业主持工具，计算机科学家和从业人员通常将所谓的“四分之一五分之一规则”提及，以衡量工具遵守反歧视法。这种依赖是有问题的，因为“规则”实际上不是歧视歧视的法律规则，并且提供了一种粗略的测试，通常在确定需要进一步审查的实践方面过于忽略和不包括。“四分之一的规则”是一类更广泛的统计检验之一，我们称之为统计奇偶校验测试（SPTS），比较了人口统计组之间的选择率。虽然某些SPT在统计学上更稳定，但所有人都在回顾性地具有不同的不同影响方面具有一些关键局限性。当这些测试被预期用作优化目标塑造模型开发时，就会出现对开发过程，行为激励措施和配盖性的其他担忧。在本文中，我们讨论了SPT在算法治理中的适当作用。我们建议采用多种措施，以利用预期优化过程中存在的其他信息，从而在建立和审计模型时更深入地了解公平考虑因素。
尼日利亚的外国直接投资和经济增长
摘要：本研究评估了尼日利亚的外国直接投资流量和以实际国内生产总值和就业率代表的经济增长。指导研究的假设是根据既定目标制定的，并审查和评估了相关的理论和实证文献。相关数据摘自尼日利亚中央银行、国家统计局和世界银行的年度统计公报。使用增强型迪基·富勒方法进行单位根检验，结果表明研究的变量以不同的顺序整合。采用 Johansen 协整检验探讨各模型变量间的长期关系，最大特征值迹统计检验结果表明两个模型变量间存在协整关系，因此本文继续采用简约误差修正机制评估各模型的短期关系，发现汇率决定系数与实际国内生产总值呈正相关且显著，而与就业率呈负相关且显著。进一步说，贸易政策与尼日利亚实际国内生产总值和就业率呈正相关但不显著，而人力资本技能与尼日利亚实际国内生产总值呈正相关且显著，但与就业率不显著。该研究建议政府应制定一套跨国公司行为准则，以遏制其限制性商业行为，限制其从尼日利亚汇回利润，并确保其利润的很大一部分重新投资到尼日利亚经济中，从而为尼日利亚失业青年大军创造就业机会。
DNA元编码：简化生物多样性
抽象地球大气的混乱性质和天气对各个领域的重大影响需要准确的天气预测。时间序列分析在基于过去的数据预测未来价值方面起着至关重要的作用。自回旋的条件异方差（ARCH）模型被广泛用于预测，尤其是在温度分析领域。本研究重点介绍用于分析和预测温度变化的弓形模型。基于其在气象变量的可预测性中捕获常规变化的能力，选择了拱门模型。方法论部分说明了所使用的弓形模型和各种统计检验，例如杂质测试（ARCH测试），Jarque-Bera检验和增强的Dickey-Fuller-Fuller Test（ADF）。在四年的时间内，对来自爱尔兰雅典的每月平均温度数据进行了样本研究。该研究利用ARCH模型来计算温度序列的波动率，并使用拟合优点措施和预测精度评估模型的性能。结果表明，如预测温度序列所示，ARCH模型成功预测了三年的温度变化。使用样本中和样本外分析评估ARCH模型的统计性能，证明了其在捕获温度变化方面的有效性。该研究强调了时间序列预测的重要性以及弓模型在温度分析中的显着影响。
使用改进的机器学习
尽管许多研究都集中在海洋事故的可能性上，但很少有人专注于分析后果的严重程度，甚至更少的预测严重程度。为此，在本研究中提出了一个新的研究框架，以准确预测海洋事故的严重性。首先，开发了一种新颖的两阶段特征选择（FS）方法，以选择和对风险影响因素（RIF）进行排列，以提高MA Chine学习（ML）模型的准确性（ML）模型和FS的解释性。第二，提出了一种全面的评估方法，以根据稳定性，预测性能改善和统计检验来衡量FS方法的性能。第三，使用了六个完善的ML模型，并比较了不同预测因子的性能。发现光梯度提升机（LightGBM）具有对海洋事故的严重性词典的最佳预测性能，并被视为基准模型。最后，LightGBM根据提出的FS方法选择的RIF来预测事故严重程度，并从定量的角度对风险控制措施的效果进行了反作用。这项有关改进ML方法使用的创新研究可以有效地分析和预测海洋事故的严重性，为在安全评估和预防事故预防研究中使用人工智能（AI）技术提供新的方法，并触发了新的方向。源代码可公开可用：https：//github.com/fengyinleo/pgi-sdmi。