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...
2. Wang ruodu的贡献 研究方向:王若度团队提出了基于e-value的多重检验校正方法,旨在控制类似FDR的错误率。 方法特点:通过e-value的数学性质,避免对检验独立性的强假设。 3. 优势 依赖鲁棒性:无需假设检验独立性,适用于复杂依赖场景(如基因网络分析)。 灵活性:e-value可结合贝叶斯方法或在线学习框架,适应动态数据...
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...
Bonferroni法得到的矫正P值=P×n Bonferroni法非常简单,它的缺点在于非常保守(大概是各种方法中最保守的了),尤其当n很大时,经过Bonferroni法矫正后总的一类错误可能会远远小于既定α。 控制错误发现率:Benjamini & Hochberg法 简称BH法。首先将各P值从小到大排序,生成顺序数排第k的矫正P值=P×n/k 另外要保证矫正...
当我们进行多次假设检验时,随着检验次数增加,错误率也会累积,显著差异的概率会增大,因此,这里介绍三种控制多重比较错误率的方法。 1. Bonferroni方法 Bonferroni校正是一种经典的控制多重比较错误率的方法,…
R语言空气污染数据的地理空间可视化和分析:颗粒物2.5(PM2.5)和空气质量指数(AQI) 811 0 17:46 App R语言-相关性热图及Mantel分析 121 0 01:51 App R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值 3521 0 03:59 App report包将R的结果快速转换为论文所需的格式...
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?
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...
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...