Unverified50% confidenceDecision RuleExact time
当 b+c < 25 时应改用精确的二项分布检验，将 b 视为参数 p=0.5 的二项分布下的观测值
1
Sources
50%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
McNemar检验对比机器学习模型：随机种子下的正确用法
redditr/learnmachinelearning7/11/2026
Related Claims
Unverified配对 t 检验假设两组差值服从正态分布，适用于样本量较大（通常 n>30）的场景；Wilcoxon 符号秩检验是其非参数替代方案，仅要求差值分布对称69% similarUnverified二项分布的方差为Np(1-p)，在p=0.5时达到最大值69% similarUnverifiedLLM每次调用可建模为伯努利试验，N次调用通过次数服从二项分布B(N, p)，通过率95%置信区间约为p̂ ± 1.96×√(p̂(1-p̂)/N)66% similarUnverifiedMcNemar 检验统计量为 χ² = (|b - c| - 1)² / (b + c)，当样本量足够时近似服从自由度为1的卡方分布，其中-1为Yates连续性校正项63% similarUnverified若单一模型漏检率为 p，两个训练背景不同的模型同时漏检同一错误的概率近似降至 p²，20%漏检率理论上可降至 4%62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/502208API
curl https://kongchang.com/api/v1/knowledge/claims/502208MCP
get_claim(id=502208)