在统计学中，错误发现率（FDR ）是一种概念化多重比较时零假设检验中第一类错误率conceptualizing the rate oftype I errors的方法。FDR 控制程序FDR-controlling旨在控制 FDR，即错误“发现”（拒绝零假设）"discoveries" (rejectednull hypotheses) （不正确拒绝零假设）的预期
False discovery rate (FDR)，误报率。FDR的真正含义是"所有发现中发生了错误所占的比率"，即在计算所有discovery中false(假发现)所占的比率。常有误译为“错误发现率”，但个人认为“误报率”更准确。了解FDR，需要熟悉几个相关概念：False omission rate (FOR)。将FOR译为“错漏率”会更贴切。在...
另一种控制错误发现率的方法是通过Benjamini-Hochberg（BH）过程。这种方法通过比较排序后的p值与设定的错误发现率，提供了一种更为有效且保守的显著性检验方法。与Bonferroni校正不同，BH过程更适用于处理大数据集时的多次检验，提高了检验效力。在实施BH过程时，科学家设定一个最大错误发现率d（通常为0.05），然后...
也就是在计算所有的discovery中false(假发现)所占的比率。FDR常被人逐字翻译为“错误发现率”，这个翻译...
FDR 的报告已成为强制性的。FDR 本质上是一种统计和计算方法,用于确定给定数据集中蛋白质鉴定的确定性。有几种方法,我们通常使用诱饵数据库来测量错误发现率。 相关服务: 蛋白分析 提交需求 姓名* 联系类型 * 联系方式 * 项目描述 咨询项目 * How to order?
从质谱数据中鉴定多肽通过软件实现自动化。然而,就像科学实验需要使用对照进行一样,软件的多肽鉴定结果也需要经过统计验证以避免假阳性。对于当今的肽鉴定,最被广泛接受的结果验证方法是错误发现率(FDR)。这篇文章解释了什么是FDR;它是如何实际运算的;以及使用FDR控制中的一些常见错误。
错误发现率 /false discovery rate;FDR/ 最后更新2024-03-22 浏览62次 在多重假设检验中,错误拒绝原假设的个数占所有被拒绝的原假设个数的比例的期望。 英文名称 false discovery rate;FDR 所属学科 统计学
错误发现率(FDR) 本研究使用错误发现率(False Discovery Rate, FDR)来定义阳性发现。FDR是常用的统计学结果判定标准,其意义是错误拒绝(拒绝真的原假设)的个数占所有被拒绝的原假设个数的比例的期望值。 1995年Benjamini和Hochberg首次提...
1. 提高测试用例的覆盖率 测试用例的覆盖率是指测试用例与软件需求的覆盖程度。提高测试用例的覆盖率可以帮助开发团队更全面地发现软件中的问题,提高错误发现率。测试用例的覆盖率也是软件质量的重要指标之一。 2. 增加测试人员的数量和质量 测试人员的数量和质量对错误发现率的影响非常大。增加测试人员的数量可以提高测...
p值在一次检测中，我们很大概率上可以排除出错的情况，但是如果检测次数非常大的时候，我们就无法控制出错的情况（如果10000次检测，则可能有10000*5%＝500次检测出错），这时候我们就需要多重假设检验来矫正错误，一种比较通用的方法就是 FDR (false discovery rate, 错误检出率），我对其意义的理解是所有...