Permutation test

Outlines:

• Goals and strategy
• The simple condition
• The complex condition

Goals and strategy

Goals:

• Estimate the distribution of the test statistic($T$) under the null hypothesis, thus the p-value of the observed test statistic($T_{obs}$) is easy to get.
• • When there are multiple tests, permutation test could account for the correcton for multiple testing;

Strategy:

• Rearrange the labels on the observed data points;
• This is on condition that: If the labels are exchangeable under the null hypothesis, then the resulting tests yield exact significance levels.

The simple condition[@wiki_Permutation_tests]

Questions:

See if the mean values of group A and B differ or not.(We don’t know the distribution of A and B)

Notations

sample size $n_A,n_B$,mean value $\bar{x}_A,\bar{x}_B$;

## $A
##  [1] -0.34998424  0.79496994  0.16626749  0.62345697  0.31640182
##  [6]  0.06934537 -0.26458933  0.23255516  1.59808657 -1.84554150
## [11]  0.40214946  0.97689181
## 
## $B
##  [1] 2.6513936 3.6293449 3.2774724 0.1550930 0.8845866 0.4786718 1.7699035
##  [8] 1.4825841 1.3901246 2.3369900 3.4759334 1.9347075 2.2098590 0.3936378
## [15] 3.1333022

Algorithm of permutation test under the simple condition

1. Calculate the observed value of $T{obs}= \bar{x}_A -\bar{x}_B$ using the original data;
2. Pool the data,randomly pick $n_A$ samples for group A and $n_B$ for group B, calculate $T$;
3. Repeat 2 for $I$ times , thus get statistic $T_1,...,T_I$;
4. p-value:$p_{obs}= \frac{\#\{i:T_i > T_{obs}\}}{I}$;

Remarks:

• $I$ is called the resolution of p-value, thus the bigger the better;

The complex condition

This figure is abstracted from the GWAS[@hirschhorn2005genome], intending to correct for multiple testing.

Notations

notation	meaning
$i$ $i$’th sample
$j$ $j$’th test
$y_i$ response variable for individual $i$:case=1,control=0
$x_{i1},..,x_{iJ}$ $J$ predictor variables for individual $i$,respectively $m,n$ number of cases and controls,respectively Data at location $j$ group response variable predictors case $y_1 = 1$ $x_{11},..,x_{1J}$ … … … case $y_m = 1$ $x_{m1},..,x_{mJ}$ control $y_{(m+1)} = 0$ $x_{(m+1)1},..,x_{(m+1)J}$ … … … control $y_{(m+n)} = 0$ $x_{(m+n)1},..,x_{(m+n)J}$ Remarks: Those $x_{ij}$ could be either scaler or vector; Algorithm of permutation test under the complex condition Calculate the observed value of $\widetilde{T}^* =\{T_1^*,T_2^*,...,T_J^*\}$ for $J$ tests with the original data; Randomly shuffle $y_i$,get permutation data $\mathcal{D}$ and calculate $\widetilde{T}$; Repeat 2 for $I$ times , thus get data $\mathcal{D_1},...,\mathcal{D_I}$ and corresponding statistic $\widetilde{T}_1,...,\widetilde{T}_I$; p-value for $j$’th test correcting for multiple test: $$p_j= \frac{\#\{i:T_{ij} > T_j^*\}}{I};$$ References 确定要放弃本次机会？ 福利倒计时 : : 立减 ¥ 普通VIP年卡可用 立即使用 dreamcatcher33 关注 关注 0 点赞 踩 0 收藏 觉得还不错? 一键收藏 知道了 0 评论 Permutation test Outlines:Goals and strategyThe simple conditionThe complex conditionGoals and strategyGoals:Estimate the distribution of the test statistic(TT) under the null hypothesis, thus the p-value of the o 复制链接 扫一扫 专栏目录 超详细YOLOv8全解：学v8只用看一篇文章 weixin_45303602的博客 06-19 9091 例如，tensor([0., 5., 0., 0., 0.], device='cuda:0')中的0和5表示第一个对象被分类为类别0，第二个对象被分类为类别5，以此类推。举例来说，如果一个.txt文件中的一行是1 0.5 0.5 0.2 0.3，这意味着该对象属于类别1（例如“车”），其边界框的中心位于图像中心（X和Y坐标均为0.5），边界框的宽度是图像宽度的20%，高度是图像高度的30%。YOLOv8x-cls: 在这个系列中，它提供了最高的准确率，但速度最慢，需要较强的硬件支持。 YOLOv8_obb的训练、验证、预测及导出[旋转目标检测实践篇] ice 06-09 377 本文主要介绍了如何使用代码和指令来训练YOLOv8_obb网络，即旋转目标检测任务，包括数据集的配置和划分，还有训练、验证、预测和导出的代码和指令。 参与评论 您还未登录，请先 登录 后发表或查看评论 基于yolov8的洋葱检测系统，包含训练好的权重和推理代码，GUI界面，支持图片、视频、摄像头输入，支持检测结果导出 01-21 基于yolov8的洋葱检测系统，包含使用yolov8训练好的模型权重，使用pyqt开发的显示界面，支持图片、视频、摄像头输入 相关说明： 1、本资源包含yolov8在洋葱数据集上的训练权重，包含best.pt和last.pt两个权重； 2、本资源包含yolov8的洋葱检测推理代码，可以根据推理代码快速实现麦穗数量计数推理； 3、本资源包含的内容介绍如博客：https://blog.csdn.net/qq_40035462/article/details/135726965所示； 4、本资源包含GUI界面，该GUI界面支持图片检测、视频检测、摄像头检测； 5、该GUI支持导出检测结果到指定的文件目录下； 6、该代码使用pyqt、ultralystic开发，需要安装相关依赖，建议使用conda虚拟环境； 7、该代码提供售后服务，如果您在使用中遇到任何问题，可以联系压缩包中的联系方式； 8、售后服务包含：代码安装、代码跑通、环境搭建、使用教学，不包含功能修改； 9、修改代码可能需要额外付费，价格根据具体的功能需求制定； 10、代码有任何问题，可以直接联系作者，确保您能跑通。 算法部署-使用ONNX部署YOLOv8-obb旋转目标检测算法-附推理代码+效果展示-优质项目实战.zip 最新发布 06-25 算法部署_使用ONNX部署YOLOv8-obb旋转目标检测算法_附推理代码+效果展示_优质项目实战 YOLOv8-使用ONNXRuntime+OpenCV+YOLOv8实现目标检测+实例分割算法-优质项目-项目实战.zip 02-12 yolov8 YOLOv8_使用ONNXRuntime+OpenCV+YOLOv8实现目标检测+实例分割算法_优质项目_项目实战 基于yolov8的雾天车辆行人检测系统，包含训练好的权重和推理代码，GUI界面，支持图片、视频、摄像头输入，支持检测结果导出 02-26 基于yolov8的雾天车辆行人检测系统，包含使用yolov8训练好的模型权重，使用pyqt开发的显示界面，支持图片、视频、摄像头输入 相关说明： 1、本资源包含yolov8在RTTS数据集上的训练权重，包含best.pt和last.pt两个权重； 2、本资源包含yolov8的雾天车辆行人检推理代码，可以根据推理代码快速实现目标数量计数推理； 3、本资源包含的内容介绍如博客：https://blog.csdn.net/qq_40035462/article/details/136297591所示； 4、本资源包含GUI界面，该GUI界面支持图片检测、视频检测、摄像头检测； 5、该GUI支持导出检测结果到指定的文件目录下； 6、该代码使用pyqt、ultralystic开发，需要安装相关依赖，建议使用conda虚拟环境； 7、该代码提供售后服务，如果您在使用中遇到任何问题，可以联系压缩包中的联系方式； 8、售后服务包含：代码安装、代码跑通、环境搭建、使用教学，不包含功能修改； 9、修改代码可能需要额外付费，价格根据具体的功能需求制定； 10、代码有任何问题，可以直接联系作者，确保您能跑通。 YOLOv8_pose的训练、验证、预测及导出[关键点检测实践篇] ice 05-26 484 本文介绍了关键点检测的训练、验证、预测和导出，还有数据集划分和配置。 【计算机视觉】YOLOv8的测试以及训练过程（含源代码） wzk4869的博客 07-08 3万+ 【计算机视觉】YOLOv8的测试以及训练过程（含源代码） YOLOv8：使用与训练攻略 overexposedshen的博客 05-26 1490 高效性：YOLOv8在保持高准确率的同时，具有更快的推理速度。轻量化：模型参数量和计算量相对较小，适合部署在资源有限的设备上。泛化能力强：能够处理多种类型的数据集和目标检测任务。 YOLOv8训练自己的数据集，十秒学会！小白一文学会YOLOv8训练全过程！适应于小白 weixin_51692073的博客 09-02 1万+ 对于小白，文字教程总是显得苍白无力，对此我在B站上传了相关的视频详解。请关注B站博主：AI学术叫叫兽更多SCI写作技巧和创新点以及YOLO模型改进源代码等资源，均在B站上传。点开博主主页，工房中见！ 超详解|yoloV8训练自己的数据集|训练|测试|部署 AI小生~小陶的博客 05-07 2431 使用yolov8训练自己的数据集，从数据集制作、yoloV8超参配置文件、导出onnx，openvino部署 基于yolov8的芒果计数分割系统，包含训练好的权重和推理代码，GUI界面，支持图片、视频、摄像头输入，支持检测结果导出 02-24 基于yolov8的芒果检测系统，包含使用yolov8训练好的模型权重，使用pyqt开发的显示界面，支持图片、视频、摄像头输入 相关说明： 1、本资源包含yolov8在芒果数据集上的训练权重，包含best.pt和last.pt两个权重； 2、... YOLOv8-使用NCNN在安卓平台上部署YOLOv8实现实时目标检测-优质项目-项目实战.zip 02-12 YOLOv8是一种高效的目标检测算法，它是YOLO系列的最新发展，旨在提供更快、更准确的实时目标识别。此项目实战主要关注如何在安卓平台上使用NCNN库来部署YOLOv8，实现移动端的实时目标检测。NCNN是腾讯优图推出的一款... 使用YOLOv8进行模型预测 冥河星主的博客 01-02 2305 YOLOv8是一个十分强大且好用的工具，它专为各种数据来源的高性能实时推理而设计。多功能性：能够对图像、视频乃至实时流进行推理。工程为实时、高速处理而设计、不牺牲准确性。直观的python和CLI接口，便于快速部署和测试。多种设置和参数可调，依据您的具体需求调整模型的推理行为。主页 - Ultralytics YOLOv8 文档），此处仅简单介绍。 yolov8之训练、验证、预测、导出 Jumy_S的博客 09-24 8209 yolov8之训练 超详细的使用yolov8进行预测的参数详解 CDBmax的博客 06-11 1287 在机器学习和计算机视觉的领域，对视觉数据进行解读的过程被称为“推理”或“预测”。Ultralytics YOLOv8 提供了一项强大的功能——预测模式，专为高性能、实时推理各种数据源而设计。本文详细介绍了 Ultralytics YOLOv8 的预测模式，包括其多功能性、高性能、易用性和高度可定制的特性。同时，涵盖了支持的图像和视频格式、推理参数、处理不同结果对象（如 Boxes、Masks、Keypoints 和 Probs）的方法，以及如何实现线程安全的推理和流式处理循环。 超详细YOLOv8目标检测全程概述：环境、训练、验证与预测详解 热门推荐 CDBmax的博客 12-25 5万+ 这篇博文提供了一个关于使用YOLOv8进行目标检测的全面指南，包括环境搭建、模型训练、验证和预测的详细步骤，以及如何解释训练过程中生成的各种图表和数据。整篇文章为读者提供了一个关于如何利用YOLOv8进行目标检测的实践指南，从环境搭建到模型部署，再到结果分析，每一部分都给出了详细的步骤和解释。此外，还有对于模型输出的解释，帮助读者更好地理解和使用YOLOv8模型。 【目标检测】2024最新-用YOLOv8训练自己的数据集（保姆级教学） Natsuago的博客 01-24 1万+ 本文章主要方便大家学会如何使用yolov8训练自己数据集得到识别模型，跟着步骤一步一步来基本没有问题，我用的IDE是Pycharm2024.1，包含如何加载conda环境 YOLOv8官方教程：如何训练模型 整理ing 10-26 9700 YOLOv8如何在单GPU、多GPU和Apple设备上训练模型。 yolov5训练目标检测模型的流程简述 05-19 yolov5训练目标检测模型的流程大致如下： 1. 数据准备：收集并标注训练数据，将其转换为适合yolov5的格式。 2. 配置训练参数：在yolov5的配置文件中设置训练所需的参数，如学习率、批量大小、训练轮数等。 3. 模型训练：使用yolov5提供的训练命令，启动训练过程。在训练过程中，yolov5会不断地更新网络参数，以最小化损失函数。 4. 模型评估：在训练过程中，可以使用验证集对模型进行评估，以了解模型的效果。可以使用yolov5提供的评估命令，计算模型的精度、召回率等指标。 5. 模型优化：可以对模型进行微调，以进一步提高模型的精度和召回率。可以使用yolov5提供的优化命令，对模型进行微调。 6. 模型导出：当模型训练完毕后，可以将模型导出为可部署的格式。可以使用yolov5提供的导出命令，将模型导出为ONNX格式、TorchScript格式等。 dreamcatcher33 CSDN认证博客专家 CSDN认证企业博客 码龄10年 暂无认证 10 原创 120万+ 周排名 115万+ 总排名 1万+ 访问 等级 215 积分 4 粉丝 4 获赞 1 评论 6 收藏 私信 关注 热门文章 Fisher Information 6580 Permutation test 1006 Probability and statistics (part I) 647 Hypothesis Testing(Chapter 5)[@XiruChen] 638 CCA(gwas) 559 分类专栏 数理统计 7篇 似然 1篇 GWAS 2篇 multivar 1篇 Plan 1篇 最新评论 Fisher Information Roo4ie: 博主是在学习高等数理统计吗？不知道用的是什么教材能推荐一下吗？ 大家在看 文件IO 211 一键搞定！轻松更改远程桌面3389端口，提升安全性！ 【kubernetes】Helm包管理器 与Chart实战 【2024电赛H题自动行使小车】 省一获奖方案整理汇总 774 JavaWeb项目常见的乱码问题 最新文章 Linear Regression(Chapter 6)[@XiruChen] Plan of 2015 Multivariate Analysis ch1 (Overview) 2015年10篇 目录 目录 分类专栏 数理统计 7篇 似然 1篇 GWAS 2篇 multivar 1篇 Plan 1篇 目录 评论 被折叠的  条评论 为什么被折叠? 到【灌水乐园】发言 查看更多评论 添加红包 祝福语 请填写红包祝福语或标题 红包数量 个 红包个数最小为10个 红包总金额 元 红包金额最低5元 余额支付 当前余额3.43元 前往充值 > 需支付：10.00元 取消 确定 下一步 知道了 成就一亿技术人! 领取后你会自动成为博主和红包主的粉丝 规则 hope_wisdom 发出的红包 实付元 使用余额支付 点击重新获取 扫码支付 钱包余额 0 抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。 余额充值