2

我已阅读以下句子：

与样本数量（通常 50000 个体素对应 1000 个样本）相比，功能性 MRI 数据是高维的。在这种情况下，机器学习算法可能表现不佳。然而，一个简单的统计测试可以帮助减少体素的数量。

学生 t 检验 (scipy.stats.ttest_ind) 执行简单的统计检验，确定两个分布在统计上是否不同。它可用于比较两种不同条件下的体素时间序列（在我们的案例中显示房屋或面孔时）。如果两个条件下的时间序列分布相似，则体素对区分条件不是很感兴趣。

此检验返回的 p 值表示两个时间序列来自同一分布的概率。p 值越低，体素就越有区别。

来自： http: //nilearn.github.io/building_blocks/manipulating_mr_images.html

这个 t 检验也可以应用于 4 个类（条件）吗？如果可以，如何？

是否有可用的 Matlab 实现？

4

3 回答 3

2

您需要对每个体素执行ANOVA（方差分析）测试。

从上面链接的维基百科页面：

以最简单的形式，方差分析提供了几个组的平均值是否相等的统计检验，因此将 t 检验推广到两个以上的组

该问题要求您识别具有根据条件显着变化的状态的体素，这就是 ANOVA 将为您做的事情。

这可以使用anova1, (文档) 在 MATLAB 中实现。

于 2015-05-26T02:55:33.097 回答
0

T 检验仅比较 2 个分布。我实际上建议您改为执行 z 测试。如果你走这条路线，因为你有很多积分，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，具体取决于）。

我不确定它是否在互联网的某个地方可用，但我敢打赌它是可用的。如果没有，它真的很容易实现，而且不应该花很长时间手工完成，尤其是在 matlab 中。

于 2015-05-26T00:03:19.743 回答
-3

这正是Hotelling T2 测试的重点，它是学生 T 测试的多变量版本。在这种情况下，每个样本都是单个多元样本中的一个点。

在这里查看理论解释。

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（在本例中为样本的长度）。该p参数类似于Student T Testn中参数的自由度。

它的matlab实现在这里。

干杯...

于 2015-05-26T00:44:20.817 回答