Benjamini-Hochberg方法是一种非常有影响力的多重比较校正方法。它的基本思想是通过控制假阳性发现的比例来控制多重比较结果的准确性。其具体步骤如下: 1.对所有的p值按照升序排列。 2.对于每个p值,计算调整后的阈值,使用以下公式:调整后的阈值=(排序后的p值*N)/(当前的排序位置)。 这里N表示进行假设检验的总数...
R内置了一些方法来调整一系列p值,以控制多重比较谬误(Familywise error rate)或控制错误发现率。 Holm、Hochberg、Hommel和Bonferroni方法控制了多重比较谬误(Familywise error rate)。这些方法试图限制错误发现的概率(I型错误,在没有实际效果时错误地拒绝无效假设),因此都是相对较保守的。 方法BH(Benjamini-Hochberg,...
Benjamini-Hochberg方法是一种多重比较校正方法,用于控制假阳性率(false discovery rate,FDR)的方法。它是由Yoav Benjamini和Yosef Hochberg在1995年提出的。在科学研究中,我们通常需要进行多个假设检验,例如比较多组数据的差异性。如果我们使用传统的显著性水平(例如0.05)来进行每个假设检验,那么在进行多个比较时,会出现...
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,即拒绝了一个真实的假设(错误地判断为显著),也被...
由于重复进行多个假设检验,常规的显著性水平(例如α=0.05)容易导致过多的错误发现,因此需要对假阳性进行校正。 BH方法的核心思想是控制期望的假阳率,即在所有拒绝原假设的检验中,期望的假阳率不超过设定的阈值(通常为α=0.05)。这意味着如果使用BH方法拒绝了某个检验的原假设,那么在这些被拒绝的原假设中,有不...
很多的生信软件都在使用FDR对可能出现的大“假阳性”概率进行控制,比如RNA-seq的差异表达分析中,adjust p-value(padj )其实就是经过FDR校正的p值,chip-seq的经典call peak软件macs2里面有一个参数-q,其实-q就是指定的FDR cutoff值,等等。 那么FDR目的何在?
本次笔记主要介绍多重比较下两种常用的矫正P值的方法:Bonferroni法和Benjamini & Hochberg法(BH法) 多重比较问题 假设检验的基本原理是小概率原理...
相比传统的Bonferroni校正方法,Benjamini和Hochberg的FDR方法具有以下优势: 1.提高了功效:传统的Bonferroni方法在面对大量假设时容易出现低功效问题,而FDR方法可以更好地平衡功效和错误发现率。 2.控制了错误发现率:FDR方法能够控制错误发现率,保护我们免受错误发现的影响。 3.可广泛应用于基因组学、脑成像等领域:由于其...
而FDR就是为了控制假阳性率升高而出现的的一种理念,它其实包含很多种校正方法,很常见的一种方法是Benjamini-Hochberg方法。 那么FDR是怎么发挥作用的? FDR可以起作用的原因在于同一总体和差异总体的p值分布不同 首先先看一下抽样分布情况,模拟两种抽样方式:(1)从同一个正态总体中,抽样20000次,2次一组进行t检验,...
传统的控制方法是通过控制整体错误率(Family-wise Error Rate, FWER),例如Bonferroni校正法。这种方法在控制伪阳性方面非常保守,会导致丢失太多有意义的结果,并限制研究的能力。 与传统方法相比,FDR控制方法提供了更大的敏感性和较低的虚警率。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...