文件名称：field_correlation:考虑自相关和多重测试问题，计算场相关性并测试其重要性
文件大小：61KB
文件格式：ZIP
更新时间：2024-05-29 17:24:12
JupyterNotebook
表现出长期依赖性的字段之间的相关性 很少阅读不使用相关性的气候科学论文，我敢保证在其他领域也是如此。 问题在于，大多数时候，它们的重要性是通过违反基本假设的参数测试来判断的。 说明了未能解决这些问题会如何导致错误的解释。 本文链接的代码显示了如何以可辩护的方式计算场相关性及其重要性。 我们使用方法，该方法适用于显示非白色光谱的时间序列，因此违反了经典t检验的基础的独立性假设（这种经典以至于从Excel到Matlab的所有固定例程都可以应用它，而无需询问您（如果适用于您的数据）。 此外，我们的方法考虑了串行依赖性和测试多重性问题。 通过使用Chris Paciorek博士（ ）的代码，通过错误发现率（FDR）方法解决了后者。 我们考虑两种应用：（1）field1（time，lat，lon）与field2（time，lat，lon）的相关性（2）field1（time，lat，lon）
【文件预览】：
field_correlation-master
----corr_sig.py(11KB)
----fdr.R(10KB)
----corr_2d_ttest.py(3KB)
----README.md(2KB)
----corr_2d_ttest.ipynb(71KB)