如果要控制FDR≤α=0.1,则可重新使用Benjamini-Hochberg方法,这次我们从更加图形可视化的角度来理解这个过程。 如下图所示,横坐标是假设检验次数,纵坐标是P值。在坐标系中我们先以α/N为斜率画一条红线(P=α*k/N函数),然后将所有假设检验的P值分布在坐标系中,拒绝掉所有在红线下的P值(也就是≤α*k/N的P值...
benjamini and hochberg false discovery rate -回复 在统计学中,Benjamini和Hochberg提出了一种常用的多重比较校正方法,即False Discovery Rate(FDR)控制方法。FDR方法用于控制在多个假设检验中出现的错误发现率,以便更准确地确定哪些发现是真实的。 在进行多个假设检验时,通常会遇到两种类型的错误。第一种是第一类错误...
FDR定义为被拒绝的虚无假设中错误拒绝数目与总拒绝数目的比值。即FDR=错误拒绝的个数/总拒绝个数。控制FDR的方法可以更有效地捕捉到具有实际意义的结果,同时仍然最小化错误发现的数量。 计算Benjamini和Hochberg(BH)的FDR是一个多步骤的过程: 1.将所有的p值按照升序排列,并赋予其一个排名。 2.对每个p值应用以下...
为了改善这些问题,Benjamini和Hochberg在1995年提出了一种新的方法,即Benjamini和Hochberg错误发现率(FDR)控制法。 第二步:FDR的定义和原理 错误发现率(FDR)是指被错误拒绝的假设中,实际为真实的概率。通俗地说,FDR是关于“错误发现”的概念,即我们实际上拒绝了正确的假设。 Benjamini和Hochberg的方法的核心思想是对...
执行FDR的一个例子——Benjamini-Hochberg方法 Benjamini-Hochberg方法其实很简单,计算也不繁琐,只需要2步即可: 1.将所有的p值按照大小顺序进行排序; 2.从最大p值开始计算,最大的数值没有变化, 剩余adj p.val计算方法为 其中,rank of p.val是每个p值的秩,Max rank是最大秩。 以下图中数据为例,首先将p值按...
简单搜索了一下知乎,只有提到FDR的解释,还有介绍Benjamini-Hochberg的步骤,但似乎并没有帖子解释为什么用这个方法可以控制错误发现率(False discovery rate, FDR)。 首先一句话概括引入FDR的目的,即是在multiple hypothesis testing的情况下,对false positive加以控制,FDR没有FWER那么保守。详细的介绍可以移步至下面这个帖子...
benjamini and hochberg false discovery rate -回复 什么是Benjamini和Hochberg(BH)的假阳率?如何应用和计算? 在统计学和生物统计学中,Benjamini和Hochberg(BH)的假阳率(False Discovery Rate,FDR)是一种用于多重检验校正的统计方法。多重检验问题涉及在同时进行多个假设检验时,控制由于重复检验而产生的假阳性(Type ...
执行FDR的一个例子——Benjamini-Hochberg方法 Benjamini-Hochberg方法其实很简单,计算也不繁琐,只需要2步即可: 将所有的p值按照大小顺序进行排序; 从最大p值开始计算,最大的数值没有变化, 剩余adj p.val计算方法为 其中,rank of p.val是每个p值的秩,Max rank是最大秩。
执行FDR的一个例子——Benjamini-Hochberg方法 Benjamini-Hochberg方法其实很简单,计算也不繁琐,只需要2步即可: 将所有的p值按照大小顺序进行排序; 从最大p值开始计算,最大的数值没有变化, 剩余adj p.val计算方法为 其中,rank of p.val是每个p值的秩,Max rank是最大秩。
Exact calculation of fuzzy decision rules (Benjamini and Hochberg FDR)Alex Lewin