选择合适的统计学方法 1连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能对其中的两
X射线机曝光参数计算法 基本参数确定 一、以透照厚度为准：单壁单影=T；双壁单影或双壁双影=2T 1、≤10mm时，1mm相当于5KV； 2、10~20mm时，1mm相当于6.2KV； 3、21~30 mm时，1mm相当于9KV； 4、31~40 mm时，1mm相当于12KV； 二、焦距 焦距每增加或者减少100mm，电压增大或者减少10KV。 三、时间 1分钟=25KV 三、X射线机曝光参数为（基数）： 透照厚度T=8mm时，电压170KV，时间为1分钟。 四、X射线机焦点到窗口的距离 XXQ 2005 120 mm XXQ 2505 150 mm XXQ 3005 170 mm 五、计算方法 1、当透照厚度增加或者减少1 mm时，电压变化按（一）中各变化范围执行； 2、当焦距每增加或者减少100mm时，压变化按（二）中执行； 3、时间每增加或者减少1分钟，电压增加或者减少25KV； 例：计算φ219*14管焊口的曝光 第一步：确定所用X射线机型号，XXQ 2505或者XXQ 3005型； 第二步：计算焦距-----219+150=369 mm或者219+170=389 mm 第三步：确定焦距和电压变化量，我们一般以X射线机曝光正常基数为准，即600 mm；这里φ219*14的焦距为219+150=369 mm或者219+170=389 mm，比基数600 mm缩短231 mm或者211 mm，那么电压就应该减去23.1KV或者21.1KV。 第四步：计算透照厚度变化时，电压变化量，我们基本厚度是8 mm，现在透照厚度是 14×2=28 mm。这样比基本厚度8 mm增加20mm，根据（一）中4参照，电压补偿量为： 20 mm×8KV=160KV。因为基数是170KV，故正常曝光参数为：170KV+160KV－23.1KV=306.9KV 或者170KV+160KV－21.1KV=308.9KV，时间1分钟。 第五步：因为1分钟=25KV，在此基础上计算XXQ 2505或者XXQ 3005型的曝光参数： 1、XXQ 2505：用240KV拍片，其时间为（306.9 KV－240 KV）÷25KV/分钟=2.68 分钟；这里2.68分钟是在原来1分钟基础需要补偿的2.68分钟，故还应加上基础1分钟， 即正常曝光时间为2.68分钟+1分钟≈4分钟
样本统计方法一般分为两个大的分支—参数统计和非参数统计。非参数统计方法主要有：一是卡方拟合度检验（大众媒介研究者经常比较某一现象所观察到的发生频次和其期望值或假设的发生频次，卡方（X的平方）是一个表示期望值和观察值之间关系的值）。其局限性在于变量必须是定类或者定序测量的。二是交叉表分析，可以同时检验两个或者更多的变量。参数统计常用于定距或定比数据。一是t检验，二是方差分析；三是相关性统计分析。 T分布在抽样分布和样本分布之间架起了一座桥梁，是借助于颐和总显著性检验来实现的，成为“t检验”。t检验又称“均值检验”，用以计算样本均值是否不同于总体均值、零或另一样本均值。可分为三种类型：一是检验样本均值是否不同于其总体均值。二是检验一个样本均值是否与另一个样本均值不同（独立样本t检验）。三是重复测量的t检验—当相比较的两组样本以某种相联系的方式重复（相同的被试在不同时间段的结果检验）。 方差分析（ANOV A）——当实验涉及机组的比较时适用的统计方法。它是均值检验的一种自然延伸，更强调样本组内与组间的变化而不是样本组均值。ANOV A将发生在因变量上的变化分为由自变量作用的方差（称为被假设方差）和不被解释的方差（称为误差或剩余方差）。“被解释”方差成为“主效应”。ANOV A应用F分布而非t分布。多因子方差分析——任何有两个或更多个自变量的ANOV A可以是多因子ANOV A，测量其“交互效应”。 相关检验——不同于t检验的均值检验，相关是一种“关联性”测量。相关测量一个变量值的改变与另一个变量值改变的关联程度。相关的显著性是指，系统性变化是否又非偶然因素引起的；换言之，相关系数是否显著大于零。最常见的相关检验是皮尔逊积矩相关系数。 例3：在某次的新闻节目收视情况调查中，总体为某市12岁以上的居民。有效样本男性为240人，平均每天收视时间31.5分钟，标准差12分钟；样本中女性180人，平均每天收视时间26.3分钟，标准差19分钟，请问总体中男女居民的新闻节目收视时间有无差异？原假设H0:总体中没有差异：H0：u1=u2；H1：u1>u2, u1 齿轮各参数计算方法 1、齿数Z 闭式齿轮传动一般转速较高，为了提高传动的平稳性，减小冲击振动，以齿数多一些为好，小一些为好，小齿轮的齿数可取为z1=20~40。开式（半开式）齿轮传动，由于轮齿主要为磨损失效，为使齿轮不致过小，故小齿轮不亦选用过多的齿数，一般可取z1=17~20。为使齿轮免于根切，对于α=20度的标准支持圆柱齿轮，应取z1≥17 2、模数m 齿距与齿数的乘积等于分度圆的周长，即pz=πd。为使d为有理数的条件是 p/π为有理数，称之为模数。即：m=p/π 模数m是决定齿轮尺寸的一个基本参数。齿数相同的齿轮模数大，则其尺寸也大。 3、分度圆直径d 齿轮的轮齿尺寸均以此圆为基准而加以确定，d=mz 4、齿顶圆直径da和齿根圆直径df 由齿顶高、齿根高计算公式可以推出齿顶圆直径和齿根圆直径的计算公式： da=d+2ha df=d-2hf =mz+2m=mz-2×1.25m =m(z+2)=m(z-2.5) 5、分度圆直径d 在齿轮计算中必须规定一个圆作为尺寸计算的基准圆，定义：直径为模数乘以齿数的乘积的圆。实际在齿轮中并不存在，只是一个定义上的圆。其直径和半径分别用d和r表示，值只和模数和齿数的乘积有关，模数为端面模数。与变位系数无关。标准齿轮中为槽宽和齿厚相等的那个圆（不考虑齿侧间隙）就为分度圆。标准齿轮传动中和节圆重合。但若是变位齿轮中，分度圆上齿槽和齿厚将不再相等。若为变位齿轮传动中高变位齿轮传动分度圆仍和节圆重合。但角变位的齿轮传动将分度圆和节圆分离。 6、压力角αrb=rcosα=1/2mzcosα 在两齿轮节圆相切点P处，两齿廓曲线的公法线（即齿廓的受力方向）与两节圆的公切线（即P点处的瞬时运动方向）所夹的锐角称为压力角，也称啮合角。对单个齿轮即为齿形角。标准齿轮的压力角一般为20”。在某些场合也有采用α＝14.5°、15°、22.50°及25°等情况。 我设定的自制马达规格如左：使用7.4V 1600mA锂电池，耗电在7A以内(马达功率约50W，电池放电系数约4.4C)，采用直驱或减速皆可。 以上述条件，无刷马达应采用△接线铜损较小(因线电流=√3*相电流，故马达内线圈电流会较小，以相同的线径来说，铜损自然较小)。 我是采用AWG #28号线(直径0.32mm)，每相每极绕21圈，采用△接线，使用7.4V 1600mA 锂电池。 以直驱测试，其数据如下： 螺旋桨测量转数(RPM) 测量电池电流(A) 测量马达线电流(A) 换算马达相电流(A) 计算功率(W) 4040 15000 6.2A 3.6A 2.1A 45W 5025 13000 7.4A 4.3A 2.5A 55W 以减速组测试(58/18=3.2)，其数据如下： 螺旋桨测量螺旋桨转数(RPM) 换算马达转速(RPM) 测量电池电流(A) 计算功率(W) 7060 6250 20000 4.2A 31W 8060 5500 17600 6.2A 46W 9070 5000 16000 7.4A 55W 无刷马达/有碳刷马达效能计算 扭力常数: Kt=Kb x 1.345 Kt=1345 / kv 消耗电流: I = [V-(Kb x kRPM)] / Rm I = [V-(RPM / kv)] / Rm 输出扭力: J = (Kt x I) - (Kt x Inl) 每分钟转速: kRPM = (V - RmI) / Kb kRPM = (V - RmI) x kv / 1000 输出功率: Po = (J x RPM) / 1345 消耗功率: Pi = V x I 马达效率: Eff = (Po / Pi) x 100 最高效率电流: Ie max = Sqrt [(V x Inl) / Rm] 符号定义: Eff = 效率 I = 消耗电流值 Iemax=发挥最高效率之电流量 Inl = 无负载量测电流值 J = 扭力(oz-in) Kb = 电压常数(Volt / 1000 RPM) Kt = 扭力常数(oz-In / A) Pi = 消耗功率(Watts) Po = 机械输出功率(Watts) Rm = 马达内阻 RPM = 每分钟转速 V = 电压 统计分析方法总结 分享 胡斌 00:06分享，并说：统计 1.连续性资料 1.1 两组独立样本比较 1.1.1 资料符合正态分布,且两组方差齐性,直接采用t检验。 1.1.2 资料不符合正态分布，（1）可进行数据转换,如对数转换等,使之服从正态分布,然后对转换后的数据采用t检验；（2）采用非参数检验,如Wilcoxon检验。 1.1.3 资料方差不齐，（1）采用Satterthwate 的t’检验；（2）采用非参数检验,如Wilcoxon检验。 1.2 两组配对样本的比较 1.2.1 两组差值服从正态分布，采用配对t检验。 1.2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 1.3 多组完全随机样本比较 1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.3.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal－Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。 1.4 多组随机区组样本比较 1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正P值，然后用符号配对的Wilcoxon检验。 ****需要注意的问题： （1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。 （2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey 法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确** （3）关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。 2．分类资料 参数计算（第一版） 1.线路参数计算内容 1.1已知量： 线路型号(导线材料、截面积mm 2)、长度(km)、排列方式、线间距离(m)、外径(mm)、分裂数、分裂距(m)、电压等级(kV)、基准电压U B (kV , 母线电压作为基准电压)、基准容量S B (100MV A)。 1.2待计算量： 电阻R(Ω/km)、线电抗X(Ω/km)、零序电阻R0(Ω/km)、零序电抗X0(Ω/km)、对地电纳B(S/km)、对地零序电纳B0(S/km)。 1.3计算公式： 1.3.1线路电阻 R=ρ/S (Ω/km) R*=R 2B B U S 式中 ρ——导线材料的电阻率(Ω·mm 2/km)； S ——线路导线的额定面积（mm 2）。 1.3.2线路的电抗 X=0.1445lg eq m r D +n 0157 .0(Ω/km) X*=X 2B B U S 式中 m D ——几何均距,m D =ac bc ab D D D (mm 或cm,其单位应与eq r 的单位相同); eq r ——等值半径, eq r =n n m rD 1 (mm,其中r 为导线半径); n ——每个导线的分裂数。 1.3.3零序电阻 R0=R+3R g (Ω/km) R0*=R0 2B B U S 式中 R g ——大地电阻, R g =π2×10-4×f =9.869×10-4×f (Ω/km)。在f =50Hz 时， R g =0.05Ω/km 。 1.3.4零序电抗 X0=0.4335lg s g D D (Ω/km) X0*=X0 2B B U S 式中 g D ——等值深度, g D = γ f 660,其中γ为土壤的电导率,S/m 。当土壤电导率不明 确时，在一般计算中可取g D =1000m 。 s D ——几何平均半径, s D =32 m D r '其中r '为导线的等值半径。若r 为单根导 线的实际半径，则对非铁磁材料的圆形实心线，r '=0.779r ;对铜或铝的绞线，r '与绞线股数有关，一般r '=0.724~0.771r ；纲芯铝线取r '=0.95r ；若为分裂导线，r '应为导线的相应等值半径。m D 为几何均距。 1.3.5对地电钠 B= 610lg 58 .7-?eq m r D (S/km) B*=B B B S U 2 式中 m D ——几何均距,m D =ac bc ab D D D (mm 或cm,其单位应与eq r 的单位相同); eq r ——等值半径, eq r =n n m rD 1 -(其中r 为导线半径); 1.3.6零序对地电钠 论文投稿领域：数理经济与计量经济学 非参数统计检验方法的应用 阮曙芬1 程娇翼 1 张振中2 （1.中国地质大学数理学院，武汉 430074；2.中南大学数学科学与计算学院，长沙 410075） 摘要：本文对非参数统计中常用的三种假设检验方法进行了简单的介绍。运用 Kruskal-Wallis 检验方法对2002年前三季度的上海股市综合指数收益率数据进行了周末效应的检验，结果表明2002年上海股市综合指数收益率不具有周末效应。 关键字：符号检验；Wilcoxon 秩和检验；Kruskal-Wallis 检验 1引言 非参数统计是统计分析的重要组成部分。非参数假设检验是在总体分布未知或者总体分布不满足参数统计对总体所做的假定的时候，分析样本特点，寻找相应的非参数检验统计量。本文就是以此为出发点，介绍了非参数统计中假设检验常用的几个检验方法：符号检验、Wilcoxon 秩和检验和Kruskal-Wallis 检验，然后结合具体的问题和数据，在统计软件SAS 中作相应的非参数检验。 2非参数假设检验介绍 2.1 配对样本的符号检验 符号检验是根据正、负符号进行假设检验的方法。这种检验方法用于配对设计数值变量资料的假设检验，常常是差值不服从正态分布或者总体分布未知的情况下不能用t 检验的时候使用。其原理是对差值进行编制并冠以符号，然后对正负秩和进行比较检验。 设随机变量12,,...,n X X X 相互独立同分布，分布为()F x ，()F x 在0x =连续。假设检验问题 2.2 两独立样本的Wilcoxon 秩和检验 Wilcoxon 秩和检验的理论背景如下：有两个总体，一个总体的样本为12,,...,n X X X ，相互独立同分布，分布为()F x ；另一个样本为12,,...,n Y Y Y ，相互独立同分布，分布为()G x ，()F x ， ()G x 连续。问随机变量Y 是否随机大于随机变量X ，即检验 中国海洋大学本科生课程大纲 课程属性：公共基础/通识教育/学科基础/专业知识/工作技能，课程性质：必修、选修 一、课程介绍 1.课程描述： 非参数统计是数理统计学的一个分支，它是针对参数统计而言的。所谓参数统计，简 单地说就是建立在总体具有明确分布形式，通常多为正态分布形式的假定基础之上，所建立 的统计理论和统计方法。而非参数统计是在不假定总体分布形式或在较弱条件下，例如总体 分布形式完全未知或分布形式是对称的，诸如这样一些宽泛条件下，尽量从数据本身获 得的信息，建立对总体相关统计特征进行分析和推断的理论、方法。 2.设计思路： 本课程是在已学数理统计基础上，通过非参数统计的学习，引导数学专业学生进一步增强对一般总体分析、推断的能力并加深对相关理论和方法的理解。 课程内容着重于基本知识点的理解，避免难度较大或较长定理的证明。目的是使学生对理论有一个基本的理解和在应用能力上的提高。课程内容包括以下四个方面： (1).非参数统计的基本概念：非参数统计方法的主要特点，次序统计量及其分布，U统计量， 秩统计量的概念，一些统计量的近似分布。 (2).非参数估计的方法：总体分位数的估计，对称中心的估计，位置差的估计。 (3).非参数检验的方法：总体p分位数的检验，总体均值检验，两样本的比较，随机性与 独立性检验，多总体的比较。 - 1 - (4).总体分布类型的估计与检验：分布函数的估计与检验，概率密度估计。 3. 课程与其他课程的关系： 先修课程：《概率论》，《数理统计》，《多元统计分析》；并行课程：《应用回归分析》；后置课程：《统计软件》。 非参数统计是应用数学专业、信息与计算科学专业的选修课程，但对于今后从事统计研究和统计应用工作的学生来讲可以作为专业必修课学习。 二、课程目标 非参数统计具有应用性广，稳健性好等特点。通过本课程学习，要求学生了解或理解非参数统计的一些基本理论和方法，注重利用理论和方法、借助计算机解决问题的能力。开课学期结束时，要求学生能够做到： (1)理解非参数统计方法的主要特点及与参数统计方法的区别。掌握次序统计量及其分布；理解并掌握U统计量秩统计量的概念；理解一些常用统计量的近似分布。重点是次序统计量及其分布； U统计量构造，秩统计量； (2)掌握总体分位数估计、对称中心的估计、位置差估计的方法。 (3)理解各种检验的基本思想，掌握检验的一般步骤，掌握检验统计及其拒绝域。难点在于检验统计量的选取及概率分布。 (4)理解分布函数估计及检验的基步骤和过程。 (5)为更深入学习非参数统计学理论打下初步的基础。也为学习专业统计软件的作好准备。 三、学习要求 要完成所有的课程任务，学生必须： （1）按时上课,认真听讲，认真完成作业。其中有一些作业需要学生自编程序用机器完成。（2）按时完成并按时提交书面形式的作业。延期提交作业需要得到任课教师的许可。 （3）完成一定量的阅读文献和背景资料，可以以小组的形式讨论学习，促进同学间的心得交 - 1 - 相关参数计算方法及选用 1 粘度 1.1粘度单位 粘度分为动力粘度和运动粘度，习惯将动力粘度称为粘度。 （2） 动力粘度单位及与GGS 制粘度单位的关系 动力粘度单位为s Pa ?，与GGS 制单位泊（P ）之间关系为 ： 1P =24510/101m S N --??=0.1S N ?/m 2=0.1s Pa ? 即 1s Pa ?=10P 1s Pa ?=1000m s Pa ? 1m s Pa ?=1cp (厘泊) （2） 运动粘度单位及与动力粘度单位间关系 运动粘度单位为 s m 2 运动粘度与动力粘度间关系为 ρ η = v （1-1） 式中：v —某液体的运动粘度 ； η—某液体的动力粘度 ； ρ—某液体的密度 ； 单位换算：[][]s m m s k s m m k m k s p v g g g a //22 233=????=?= = ρ η 在GGS 制单位中运动粘度单位()stokes s t s m s cm s t /10/11242-== 1.2 液体粘度 （1） 已知某种液体2个温度下的粘度1u 和2u ，求第3个温度下的粘度μ ： T B Ae /=μ 式中：μ—动力粘度； T —热力学温度，K ； A 、B —常数 已知两个温度下的粘度，先求B A ,值 ()122121/ln T T T T B -= μμ (1-3) () 11 /exp T B A μ= (1-4) 应用式（1-1）可求第三个温度下的粘度。 （2）液体混合物粘度① 1) 公式： [] ∑=i i m x u μln exp （1-5） 式中 m μ—液体混合物粘度 ，s mPa ? ； i μ—液体混合物i 组分粘度 ，s mPa ? ； i x —液体混合物i 组分摩尔分数 ； 讨论：公式（1-5）用于原油、水混合粘度计算时，粘度偏小，是否适应于油水混合有待进一步验证。 2) 另一个油水混合液粘度计算式② 对油连续相（%64 非参数统计分析方法 一单样本问题 1，二项式检验：检验样本参数是否与整体参数有什么关系。 样本量为n给定一个实数MO（代表题目给出的分位点数），和分位 点口（0.25,0.5,0.75）。用S-记做样本中比M0小的数的个数，S+记做样本中比M0大的数的个数。如果原假设H0成立那么S-与n的比之应为n。 H0：M=M0 HI: M k MO或者M>M（或者M H1 ：不是随机的（混合倾向，游程多，长度短）（成群倾向，游程少，长度长) Spss步骤：分析一非参数检验一游程 得出统计量R 和p 值 当p值小于0.05时拒绝原假设，没有充足理由证明该数据出现是随机的二，两个样本位置问题 1，Brown —Mood 中位数检验 给出两个样本比较两个样本的中位数或者四分位数等是否相等或者有一定关系，设一个中值为M1，—个为M2 H0：M1=M2. HI: M1H M2或者M1>M或者M1 EASE图说明和相关计算公式、参数及计算结果 一、相关参数确定 针对会堂扩声系统声学特性，采用世界上最先进声学计算机辅助设计软件 EASE（Electro Acoustic Simulator for Engineers）3.0版本进行设计及计算。其设计计算结果以声场分布彩色展示图的方式给出。通过EASE软件所计算的主要内容包括： 125~8000 赫兹 1/3 倍频程混响时间频率特性曲线； 125~8000赫兹 1/3 倍频程混响声声场声压级； 1000赫兹的快速传递指数（ RASTI ）。 通过计算可以直观地看到扩声系统声学特性指标的预期结果，对本工程具有良好的指导性。首先通过使用EASE软件，在计算机上按照会堂的建筑尺寸在计算机上建立仿真模型，以及确定相关参数。 1、混响时间参数：混响时间参数的确定依例是由业主方在项目设计时由设计单位提供，如业主未做建声方面的设计，确定混响时间则参照国家相关的标准，在EASE软件做模拟运算时手动锁定此值（ RT LOCK），宝安行政中心会堂即是这种类型。在确定混响时间时锁定了125HZ~8000HZ 1/3 倍频程的 7 个频点，见下图。 2、输入EASE软件音箱电功率的确定：在整个音响系统正常运行，需要留一定的余量声压。一般选择 6db，那么从每只音箱的峰值功率向下推来得到 1/2 的 RMS 功率作为代入EASE的值（每下降 3db，减少一倍的功率）。 3、音箱基本参数的确定和直达声压计算：根据对会堂建筑尺寸计算，用于布置安装扬声器的声桥位置距后区观众席距离约24 米，声音的物理传输衰减约27.6db。按照语言和音乐兼用一级标准，要求观众席平均声压级≥98db，考虑系统的动态余量的峰值因素和有观众时的背景噪声级，系统余量应至少大于6db，主扬声器的最大输出声压应至少大于等于131db。 二、EASE图说明及计算结果 EASE进行设计及计算。其计算结果以声场分布彩色展示图的方式给出。首先在计算机上按照会堂的建筑尺寸在计算机上建立仿真模型。 三维模型图一 利用统计参数图（SPM）软件分析Alzheimer（AD）患者的脑PET图像 发表时间：2011-07-19T09:12:09.107Z 来源：《求医问药》2011年第1期供稿作者：卢小青高云天赵强王广新[导读] SPM软件主要采用的是t检验和F检验法来进行统计推理。根据检验的显著性水平确定一个阈值，对零假设进行检验。 卢小青高云天赵强王广新(华北煤炭医学院河北唐山063000) 【中图分类号】RR969.3【文献标识码】C【文章编号】1672-2523（2011）01-0097-01 1引言 脑功能成像是神经科学中的一个重要的研究方向，其数据处理在此研究中与实验设计具有同样重要的作用。SPM（stastistical paramettic mapping）就是一款专门对脑功能图像构造统计参数图并进行统计分析而设计的软件包，其目的是通过对PET、SPECT、fMRI 的脑功能显像数据进行统计分析，从而得出有普遍意义的结论。它对所有成像数据的每一个像素都分别计算，得出包含每个像素点参数值的图像，这个参数图像是许多单次扫描图像所包含信息的精简和压缩，这有利于我们读取和理解。SPM解决了不同图像数据间的比较问 题，给出了一种行之有效的统计方法——随机高斯场，利用这个理论就能对不同的图像数据做统计分析，并对图像数据做高斯平滑滤波。 2 用SPM软件对Alzheimer（AD）患者的脑PET图像进行处理与分析阿尔茨海默病（Alzheimer discase，AD）是一种常见的慢性器质性脑病综合征，其病理改变最早为海马等内颞叶结构的神经元减少、神经纤维缠结硬化，影像表现为该区域面积（体积）的萎缩。由于生前脑组织活检受到限制，影像检查尤其是MR检查成为诊断该病重要的无创性辅助诊断方法。本文旨在探讨如何利用SPM软件对Alzheimer（AD）患者的脑PET图像进行处理与分析。 2.1数据的采集标准SPM对数据的采集有严格的要求，因此，在PET 检查前24h内受检者禁用咖啡、香烟、酒或药物(包括抗组胺药物，阿司匹林、安定等)受检者空腹6小时以上，暗光、安静环境下休息，避免紧张，肘静脉注射18F-FDG，40分钟后作脑部静态三维PET扫描。采集计数9.6×107以上，随后行透射扫描5分钟，进行衰减校正。 2.2数据的处理进行数据处理的主要目的是为了利用SPM软件对数据进行更好、更准确的统计分析。所以做好以下两步非常关键： 2.2.1图像处理由于不同人的大脑形状、大小各不相同，因此，首先需要将不同人的大脑图像进行标准化处理，采用线性仿射变换和非线性仿射变换法将不同受试者PET脑图像标准化为Talairach标准脑图像，然后以半峰宽度为9mm的高斯滤波进行平滑处理，以提高信噪比。采用高斯滤波器平滑处理，首先要确定一种称为FWHM(fullwidth at half maximum)的参数h，再推算出标准差D，然后由高斯分布函数构造高斯模板图像，最后将脑功能图像和模板图像进行卷积，即可实现平滑化滤波处理。 2.2.2数据的统计处理分析利用SPM软件对AD患者的脑PET图像进行统计分析，其统计分析过程一般分为：(1)模型设置和参数估计；(2)对无效假设进行检验，作出统计推断，然后进行统计参数图显示。 (1) 统计模型设置和参数估计：SPM软件采用了广义线性模型（GLM），它假设像素k上同一任务的时间序列或不同任务序列的实验数据Yik是一些未知参数βjk(j=1，2，…，m)的线性组合：（1） 式中m是未知参数个数，n是实验测量次数；xij是与任务或时间有关，但与具体脑区(像素)无关的已知参数，它组成的矩阵X通常又称为设计矩阵；εki为像素k处的误差，这里假设了它们之间相互独立，并服从平均值是0、标准差均为σk的正态分布N(0，σ2k)。写成矩阵形式，(1)式可变为：Yk=βk+εk(2) 其中Yk是数据Yki组成的列向量，βk是未知参数βkj组成的列向量， εk是误差项εki组成的列向量。经过这样的转换后，原本是对Yk做统计分析，现在改为拟合βk后，得到了许多βk的图像，然后再对它们进行统计分析，脑功能激活图实际上就是根据对参数βk的统计推断而得到的。 利用方程Yk=βk+εk，用最小二乘法拟合，求得参数βk的估计值为β^k=(XTX)-1XTXk 其误差矩阵为vω{βk}=σ2k(XTX)-1，式中σ２k是Yki的方差，是模型方程中的另一个待求参数，SPM软件中用最大似然法求出它的估计值：σ^2k=x2n-p。 (2) 假设检验：在建立模型并估计出其参数后，需要对参数做统计推断。SPM软件主要采用的是t检验和F检验法来进行统计推理。根据检验的显著性水平确定一个阈值，对零假设进行检验。通过阈值画统计参数映射图判别激活与非激活。常用的有零假设t检验，基于每个体素计算，加权平均信号差异，t值大于设定的阈值(如P=O．05)的体素认为是激活，常以伪彩的形式表现出来。根据t或F值以及相应的阈值,将小于阈值的像素的t或F 值设为0，大于阈值的像素的数值t或F 值保留，将得到于此阈值相对应置信度下的脑功能激活图。脑功能激活图可以叠加到脑结构图上，这个融合图像能清楚地看出哪些脑区参与了所要研究的功能。通过统计参数图（SPM）软件用数学方法把得到的PET图像进行逐像素统计分析，从而确定功能降低的脑区。本课题组主要采用SPM软件以其输出的脑代谢降低范围的大小为指标，通过多中心成像，用整体AD组与对照组比较、个体的AD 患者与健康受试者比较，分别统计计算的方法，找出功能降低的公共脑区。 3结论及建议目前SPM软件应用已成为国际上脑功能影像学研究的公认方法，它在PET、SPECT和fMRI脑功能分析方面有着广泛的应用。PET显像可以通过显示AD脑代谢异常的区域和范围，反映AD病情变化，并为早期诊断AD提供可能。需要指出的是，SPM统计分析法使用未校正的多重比较检验，假阳性率偏高，但相对灵敏，并在一定程度上体现了不同程度AD患者脑代谢改变的趋势和特征。在以后的研究中，可以进一步开展经校正统计方法，并与未校正的结果进行对比，以期根据临床的不同需要确定相应的统计学方法。此外，SPM是针对于图像的统计分析，国内目前相关的SPM应用研究多局限于PET图像间的t检验，很少涉及一些较为复杂的统计矩阵，而52届SNM会议中收录的论文摘要往往都涉及图像与临床指标的相关回归分析，如Henze M对AD患者脑内葡萄糖代谢与认知异常进行相关分析，认为AD患者的言语流畅和命名能力与脑内特定的脑区相关；Schreckenberger H对甲亢患者情绪变化与脑内葡萄糖代谢的相关研究中，发现后扣带回葡萄糖代谢的增加与甲亢患者焦虑抑郁症状有明显的相关等等，因此有必要扩大SPM分析的统计角度，以使PET显像在AD诊断中发挥更大的作用。参考文献齿轮各参数计算方法
电机参数计算方法
统计学分析方法
线路参数计算公式
非参数统计检验方法的应用
非参数统计
相关参数计算方法及选用
非参数统计分析方法总结
有关计算公式及参数
利用统计参数图(SPM)软件分析Alzheimer(AD)患者的脑PET图像
相关主题
文本预览