任意分布到正态分布的变换及其在EEG重测信度中的应用
统计方法学
2018-01-08 v1 神经元与认知
摘要
社会科学、物理与生物科学（包括神经科学）中的许多变量呈非正态分布。为改善此类数据的统计性质或允许参数检验，常使用对数或logit变换。对于无已知近似正态变换的参数，有时使用Box-Cox变换或特设方法。然而，这些方法并不总能与高斯分布良好吻合。本文讨论一种将概率分布尽可能紧密映射至正态分布的变换，对连续分布可精确吻合。为说明，该变换被应用于一个理论分布，以及来自32名受试者重复记录的、高度非正态的定量脑电图（qEEG）度量。与高斯分布的一致性好于使用对数、logit或Box-Cox变换。由于此前已表明在相当一般情形下正态数据比非正态数据具有更好的重测信度，我们探究了该变换对参数重测信度的影响。表明信度随变换而改善，且改善程度与Box-Cox相当。该一般变换的一个优势是无需在参数范围内费力优化或针对个案选择形式。
引用
@article{arxiv.1801.01748,
title = {Transformation of arbitrary distributions to the normal distribution with application to EEG test-retest reliability},
author = {Sacha Jennifer van Albada and Peter A. Robinson},
journal= {arXiv preprint arXiv:1801.01748},
year = {2018}
}