多重假设检验中FDR的错误率控制

NHST.jl注意此软件包已弃用。请改用HypothesisTests.jl。Julia的零假设显著性检验通过Welch的两个样本方法进行t检验、精确二项式检验、卡方检验。使用示例using N

包含最小错误率的贝叶斯分类算法的对于性别的识别的c++代码实现，文件中包含：项目+论文（模式识别论文）

本文探讨了基于多重中介效应检验分解方法及其应用案例，详细介绍了该方法的原理，以及如何通过该方法分析中介效应，进一步解释了如何应用该方法进行统计分析。在成功案例的基础上，进一步实现了基于多重中介效应检验

多重中介效应检验分解方法及其在实际应用中的运用。首先解释了多重中介效应的相关概念，接着详细阐述了多重中介效应检验分解的具体步骤和计算方法。在实际应用中，我们将该方法应用于某公司市场营销策略的评估中，并

我们将紫外线（UV）散度的FDR处理与尺寸正则化（在QCD中最多两个环）联系起来。 这使我们能够导出将FDR中计算的红外有限量转换为M S $$ \ overline {\ mathrm {MS}}

函数kappa()当 κ

CSP工具FDR

有多重中介的调节模型的检验及实证分析，彭月，吴海英，在效应分析模型中，有时存在多个中介变量，因此推广了一种新模型---有多重中介的调节模型，该模型分为有多个并列中介的调节模型和

二元方差分析讨论两种因素对实验结果的影响效果，在实际中应用十分广泛，主要是大量的统计应用方面。本程序具有通用性，对非重复实验的二元方差分析，但未考虑交互作用，最后作出假设检验。

为了从具有背景噪声的信号中提取缺陷特征以进行故障诊断,提出了一种使用先进的错误发现率程序(AFDR)的新方法。 主要思想是基于通过结合所有三个逐步过程(逐步提高,逐步降低,逐步降低)和估计真实无效假设