多个 类 (>2) 的 T 检验
T-test for multiple classes (>2)
我已阅读以下句子：
Functional MRI data are high dimensional compared to the number of
samples (usually 50000 voxels for 1000 samples). In this setting,
machine learning algorithm can perform poorly. However, a simple
statistical test can help reducing the number of voxels.
The Student’s t-test (scipy.stats.ttest_ind) performs a simple
statistical test that determines if two distributions are
statistically different. It can be used to compare voxel timeseries in
two different conditions (when houses or faces are shown in our case).
If the timeserie distribution is similar in the two conditions, then
the voxel is not very interesting to discriminate the condition.
This test returns p-values that represents probabilities that the two
timeseries are drawn from the same distribution. The lower is the
p-value, the more discriminative is the voxel.
发件人：http://nilearn.github.io/building_blocks/manipulating_mr_images.html
这个 t 检验是否也适用于 4 类（条件），如果是，如何？
是否有可用的 Matlab 实现？
T 检验仅比较 2 个分布。我实际上建议您改为执行 z 检验。如果你走这条路，因为你有大量的点，你想要比较的标准 z 分数是 1.96。它会告诉您数据分布不同的可能性为 95%（或 97.5，视情况而定）。
我不确定它是否在互联网的某个地方可用，但我敢打赌它是。如果没有，它真的很容易实现，不应该花你很长时间来手工完成，尤其是在 matlab 中。
这正是 Hotelling T2 检验 的重点，它是 Student T 检验 的多元版本。在这种情况下，每个样本都是单个多变量样本中的一个点。
检查 here 以获得理论解释。
这里，p是采样的数量（在本例中为4），n（自由度）是每个样本的数据大小（在本例中，样品的长度）。 p 参数类似于 学生 T 检验.
参数的 n 自由度
它的 matlab 实现是 here。
干杯...
您需要对每个体素执行 ANOVA (Analysis of Variance) 测试。
来自上面链接的维基百科页面：
In its simplest form, ANOVA provides a statistical test of whether or not the means of several groups are equal, and therefore generalizes the t-test to more than two groups
该问题要求您识别状态根据条件发生显着变化的体素，这就是方差分析将为您做的。
这可以在 MATLAB 中使用 anova1、(documentation) 实现。
我已阅读以下句子：
Functional MRI data are high dimensional compared to the number of samples (usually 50000 voxels for 1000 samples). In this setting, machine learning algorithm can perform poorly. However, a simple statistical test can help reducing the number of voxels.
The Student’s t-test (scipy.stats.ttest_ind) performs a simple statistical test that determines if two distributions are statistically different. It can be used to compare voxel timeseries in two different conditions (when houses or faces are shown in our case). If the timeserie distribution is similar in the two conditions, then the voxel is not very interesting to discriminate the condition.
This test returns p-values that represents probabilities that the two timeseries are drawn from the same distribution. The lower is the p-value, the more discriminative is the voxel.
发件人：http://nilearn.github.io/building_blocks/manipulating_mr_images.html
这个 t 检验是否也适用于 4 类（条件），如果是，如何？
是否有可用的 Matlab 实现？
T 检验仅比较 2 个分布。我实际上建议您改为执行 z 检验。如果你走这条路，因为你有大量的点，你想要比较的标准 z 分数是 1.96。它会告诉您数据分布不同的可能性为 95%（或 97.5，视情况而定）。
我不确定它是否在互联网的某个地方可用，但我敢打赌它是。如果没有，它真的很容易实现，不应该花你很长时间来手工完成，尤其是在 matlab 中。
这正是 Hotelling T2 检验 的重点，它是 Student T 检验 的多元版本。在这种情况下，每个样本都是单个多变量样本中的一个点。
检查 here 以获得理论解释。
这里，p是采样的数量（在本例中为4），n（自由度）是每个样本的数据大小（在本例中，样品的长度）。 p 参数类似于 学生 T 检验.
n 自由度
它的 matlab 实现是 here。
干杯...
您需要对每个体素执行 ANOVA (Analysis of Variance) 测试。
来自上面链接的维基百科页面：
In its simplest form, ANOVA provides a statistical test of whether or not the means of several groups are equal, and therefore generalizes the t-test to more than two groups
该问题要求您识别状态根据条件发生显着变化的体素，这就是方差分析将为您做的。
这可以在 MATLAB 中使用 anova1、(documentation) 实现。