信度传播算法

‘壹’ 信度系数问题

作者说得是对的。因为信度的算法就如同作者说得使用相关系数来算的。
被试的同质性越高，就是说被试们都很相似，那么被试的得分就会越集中，那么不管怎么算相关系数，算出来的都很小，那么信度就相应得低了。
然后第二段就是说，如果光用被试的异质性来提高信度，是不合适的，因为那不是测验真正的信度，真正得信度就要在同质的亚团体，在这个基础上提高测验的信度。比如合理得编制试题，更好得标准化等等。

‘贰’ 信度,效度,难度,区分度怎么算

信度，效度，难度，区分度的算法如下：

1、效度

效度是指测量的正确性，即一个测验能够测量出其所要测量的东西的程度。就一个测验的优劣而言，效度是一个比信度更为重要的指标。

例如：想知道小明数学学得如何，用语文试卷来测，不能测量出想测量的东西，效度较差。

2、信度

信度是指测验结果的稳定性或可靠性，即某一测验在多次施测后所得到的分数的稳定、一致程度。它既包括在时间上的一致性，也包括内容和不同评分者之间的一致性。

例如：同一量表某人前后几次施策得出分数十分接近，信度较高。

3、难度

难度是指测验包含的试题难易程度。在教学测量中，通常用答对或通过测验的人数比例作为难度值。难度值(P)=答对人数(R)/被试总人数(N)×100%。P值越大，难度越低；P值越小，难度越高。一般来说，难度值平均在0.5最佳。

4、区分度

区分度有时也称鉴别力，主要指测验对于不同水平的被试加以区分的能力。区分度与难度有关，只有在试卷中包含有不同难度的试题，才能提高区分度，拉开考生得分的差距。

‘叁’ 文本分析法是什么呢

文本分析法（内容分析法）是指从文本的表层深入到文本的深层，从而发现那些不能为普通阅读所把握的深层意义。方法有“新批评”法、文化研究法、互文法。

根据Bowers提出内容分析法的定义，不是针对内心是否客观而且有系统或量化，而是内容分析的价值，即是传播内容利用系统客观和量化方式加以归类统计，并根据这些类别的数字作叙述性的解释。

透过量化的技巧和质的分析，以客观和系统的态度对文件内容进行研究和分析，分析传播内容中各种语言和特性，不仅分析传播内容的讯息，而且分析传播内容对于整个传播过程所发生的影响，借以推论产生该项内容的环境背景和意义的一种研究。

优点

1、非亲身访谈法技术︰研究人制造出的传播内容，和推敲传播内容的问题，不直接观察人的行为，或是要访问他们。因此，测量时不会受到测量行动本身的干扰，被观察的内容不会察觉被观察，因此反应不会不稳定。

2、经济效益︰内容分析不贵，学生也能负担。

步骤

1、 形成问题或假设︰切忌漫无目的为研究内容计算次数，分析要在研究进行前，才不会徒劳无功。

2、 界定母群体︰明确规划内容主体的界线，赋予母群体设定的操作定义。

3、 抽取样本︰抽取样本为研究对象，掌握母群体特性，才会有代表性。

4、 界定分析单位︰随类目不同而有差异，内容分析常包含许多特性，所以必须容纳不同分析单位。

5、 建构类目︰内容分析的核心工作，类目厘定清楚，应该保持互斥、详尽、信度高等原则。

6、 建立量化系统︰内容分析是定量分析，量化系统的建立为必要。

7、 执行预测建立信度︰建立信度之前必须施行预测，检视类目定义是否清楚明确。

8、 依照定义将内容编码︰将分析单位规划到类目就是编码，依照类目和分析单位的定义。编码者依照类目和分析单位判读内容，必须设计标准编码表，制定统一量尺，才能坚守标准。

9、 分析资料︰依量化方式，设定处理方法，辨别描述性统计和推论统计的适用性。

10、 结论解释︰验证变项之间关联性的假设，阐述与推论这些假设。

‘肆’ 贝叶斯网络的特性

1、贝叶斯网络本身是一种不定性因果关联模型。贝叶斯网络与其他决策模型不同，它本身是将多元知识图解可视化的一种概率知识表达与推理模型，更为贴切地蕴含了网络节点变量之间的因果关系及条件相关关系。
2、贝叶斯网络具有强大的不确定性问题处理能力。贝叶斯网络用条件概率表达各个信息要素之间的相关关系，能在有限的、不完整的、不确定的信息条件下进行学习和推理。
3、贝叶斯网络能有效地进行多源信息表达与融合。贝叶斯网络可将故障诊断与维修决策相关的各种信息纳入网络结构中，按节点的方式统一进行处理，能有效地按信息的相关关系进行融合。
对于贝叶斯网络推理研究中提出了多种近似推理算法，主要分为两大类：基于仿真方法和基于搜索的方法。在故障诊断领域里就我们水电仿真而言，往往故障概率很小，所以一般采用搜索推理算法较适合。就一个实例而言，首先要分析使用哪种算法模型：
a.)如果该实例节点信度网络是简单的有向图结构，它的节点数目少的情况下，采用贝叶斯网络的精确推理，它包含多树传播算法，团树传播算法，图约减算法，针对实例事件进行选择恰当的算法；
b.)如果是该实例所画出节点图形结构复杂且节点数目多，我们可采用近似推理算法去研究，具体实施起来最好能把复杂庞大的网络进行化简，然后在与精确推理相结合来考虑。
在日常生活中，人们往往进行常识推理，而这种推理通常是不准确的。例如，你看见一个头发潮湿的人走进来，你认为外面下雨了，那你也许错了；如果你在公园里看到一男一女带着一个小孩，你认为他们是一家人，你可能也犯了错误。在工程中，我们也同样需要进行科学合理的推理。但是，工程实际中的问题一般都比较复杂，而且存在着许多不确定性因素。这就给准确推理带来了很大的困难。很早以前，不确定性推理就是人工智能的一个重要研究领域。尽管许多人工智能领域的研究人员引入其它非概率原理，但是他们也认为在常识推理的基础上构建和使用概率方法也是可能的。为了提高推理的准确性，人们引入了概率理论。最早由Judea Pearl于1988年提出的贝叶斯网络(Bayesian Network)实质上就是一种基于概率的不确定性推理网络。它是用来表示变量集合连接概率的图形模型，提供了一种表示因果信息的方法。当时主要用于处理人工智能中的不确定性信息。随后它逐步成为了处理不确定性信息技术的主流，并且在计算机智能科学、工业控制、医疗诊断等领域的许多智能化系统中得到了重要的应用。
贝叶斯理论是处理不确定性信息的重要工具。作为一种基于概率的不确定性推理方法，贝叶斯网络在处理不确定信息的智能化系统中已得到了重要的应用，已成功地用于医疗诊断、统计决策、专家系统、学习预测等领域。这些成功的应用，充分体现了贝叶斯网络技术是一种强有力的不确定性推理方法。

‘伍’ particle belief propagation什么意思

particle belief propagation
信念传播的粒子

拼音 双语对照
双语例句

Aiming at weaknesses of degradation of weights and loss ofparticles 'diversity after resampling in elementary particlefiltering, this paper studies the particle filter based onnonparametric belief propagation algorithm.
本文针对基本粒子滤波方法具有的权值退化和重采样后粒子丧失多样性等不足，对基于非参数信念传播的粒子滤波目标跟踪方法进行研究。

‘陆’ 问卷可以只做信度分析而不做效度分析么,我用的五个变量都是前人模型中的，问卷的问题也差不多

问卷不可以只做信度分析而不做效度分析，如果是自己编制的量表，一定要检验信效度，这是基本要求，否则无法证明你的数据是可信可靠的。

做一个调查问卷，首先要确定问卷内容的信效度，也就是问卷的内部一致性和外部一致性，做探索性问卷，一般都是要做探索性因素分析的，分析问卷中有几个因子，每个因子的负荷，然后对因子命名。

(6)信度传播算法扩展阅读：

效度分析指尺度量表达到测量指标准确程度的分析。效度分析的方法很多，传播研究中经常使用的是项目分析法、独立效标测度效度分析法和因素分析法。项目分析主要是测度量表中的各种项目的难度和辨别度，以选择难易适中的鉴别度较高的量表为有效量表。

独立效标测度分析方法主要以某种独立效度作为效度分析的准则和依据，每一个量表之项目均与此独立效标作相关分析。没有达到显着程度的为无效之项目，而达到显着程度的，为有效之量表。

因素分析是效度分析的最理想的方法。因为只有它才能测度效度分析过程及其有效项目解释整个量表变异型态的百分率。因素分析实质上是一种将一组变数相互之间作为自变数和因变数的数学模式，其计算过程是一种复变数线型模式的简化过程。

因素分析因应用的目的不同，而有以下特点：一是能用较小的共同因素来说明多个变数的关系。二是能从一组变数间的关系中，发现未曾发现的因果关系的因素，并具有提出假说的意义。三是因素分析不仅能够提出假说，而且能够更进一步证明假说。

‘柒’ 用SPSS神经网络分析信度

神经网络属于挖掘领域，是一种自学习的算法。
既然是自学习的，就是可以不断通过追加数据来提高模型预测的准确度，这也是数据挖掘的关键所在，它比传统统计分析多了一个矫正和不断通过追加数据提升模型准确度的过程。

因此 采用挖掘类的算法，一般都需要再追加数据做矫正或者叫做验证

‘捌’ 用spss如何进行奇偶折半信度分析

先将测题按易到难排序，
排序后的测题，奇数题号为一组，偶数题号为另一组，
在SPSS中，找到菜单“可靠性分析”也就是“信度分析”，选择“分半”的算法，
先把所有奇数题放入变量框，再把所有偶数题放入变量框，
确定就行了。

‘玖’ 跪求用Java语言实现试卷的难度与区分度 信度评估算法的源代码

简单的说，所谓调查问卷的信度是指这个问卷是不是可靠的，这个包含多层含义，比如说这份问卷是不是多次重复做结果都接近等等。
效度是指这个问卷是不是考察出了你想要考察的结果，一般这个会和一个校标做校标关联系数。

信度一般用阿尔法系数做检验
效度一般用T检验，显着性差异指数P检验。

一般应该先用小样本做信度和效度，但是做效度的样本也不应该低于60人。然后再做推广。

还有你这种量表是否应该在做效度时用校标关联系数呢，但这又需要你有新的校标。

因为不太了解具体情况，所以先这么说，在做的时候你要遇到什么问题，你在问我哈。还有建议关于怎么做信度和效度，你还是看一下相关书籍。我觉得这还是很有必要的。

一、信度系数与信度指数
大部分情况下，信度是以信度系数为指标，它是一种相关系数。常常是同一被试样本所得到的两组资料的相关，理论上说就是真分数方差与实得分数方差的比值，公式为：
r(xx)=r^2(xt)=S^2(t)/S^2（x）
公式中r^2(xt)是真分数标准差与实得分数标准差的比值，称作信度系数，公式为：
r(xt)=S(t)/S(x)
可见信度指数的平方就是信度系数。
二、测量标准误
信度系数仅表示一组测量的实得分数与真分数的符合程度，但并没有直接指出个人测验分数的变异量。我们可以用一组被试两次测量结果来代替对同一个人的反复施测，于是有了信度的另一个指标，公式为：
SE=S(x)√1-r(xx)
公式中SE为测量的标准误，S(x)是所得分数的标准差，r(xx)为测验的信度系数，从公式我们可以看出测量的标准误与信度之间有互为消长的关系：信度越高，标准误越小，信度越低，标准误越大。

p value 和t value 我在网络上没看到，你自己再找找吧