學習地理建模時總是遇到顯著性檢驗，這裡記錄一下。
顯著性檢驗是用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。
「顯著性檢驗」的前提條件是「統計假設」，用更通俗的話來說就是要先對科研資料做乙個假設，然後用檢驗來檢查假設對不對。一般而言，把要檢驗的假設稱之為原假設，記為h0；把與h0相對應（相反）的假設稱之為備擇假設，記為h1。
如果原假設為真，而檢驗的結論卻認為原假設為假。此時，我們把這種錯誤稱之為第一類錯誤（顯著性檢驗）。通常把第一類錯誤出現的概率記為α。概率α稱為顯著性水平。一般α =0.05，代表著顯著性檢驗結論錯誤率最多為5%；換言之原假設（統計學中，通常把在現實世界中發生機率小於5%的事件稱之為「不可能事件」）
1，假設兩個樣本集之間不存在任何區別（方差檢驗的原假設）
3，在顯著性水平α =0.05的情況下，p>0.05接受原假設，p值＜0.05拒絕原假設。
f表示f值（f統計量），f值等於組間均方和組內均方的比值，它反映的是隨機誤差作用的大小。
f實際值》f查表值，則p<=0.05
f實際值0.05
f0.05( m, n-m-1)；n=樣本數，m=組數
視覺顯著性
視覺顯著性 visual saliency detection 是指對於真實世界中的場景，人們會自動的識別出感興趣區域 region of interesting 並對感興趣的區域進行處理忽略掉不感興趣的區域。比較典型的視覺顯著性的標註為下圖所示 人體視覺顯著性 人類的視覺注意機制有兩個策略 自底向...
統計學術語及關係 顯著性檢驗
包括引數估計與假設檢驗，指事先對總體的引數或者總體分布形式做出乙個假設，然後利用樣本資訊來判斷這個假設是否合理。即分為兩個步驟 第一步需說明樣本是否能代表總體，第二步用樣本判定假設。1.引數估計概念 引數估計 即用樣本統計量估計總體的方法，包括點估計與區間估計兩種。方差齊性 方差齊性檢驗 homog...
關於顯著性檢測的思考
梳理visual saliency 的定義，視覺顯著性是乙個主觀目標，既有自上而下的任務驅動的注意機制，全域性的拓撲認知，也有自下而上的基於區域性特徵的多層次融合機制。因此顯著性也是乙個從主觀上定義，客觀上驗證該定義的視覺過程。因此顯著性的定義上從主觀上是任務驅動的視覺搜尋過程，這個過程 的是注意機...