直观来看,FDR是用上面混淆矩阵的第二行算出来的。 那么,如何计算FDR?我们可以用Benjamini-Hochberg (𝐵𝐻) 方法。 对于m个独立的假设检验(比如m个基因),它们的P-value分别为:𝑝𝑖, 𝑖=1,2,…,𝑚 (1)按照升序的方法对这些P-value进行排序,得到: (2)对于给定的统计...
修正的q*值取最小值,即为我们平时工作中用到的修正的FDR值q-valuei。这里的公式即为Bonferroni型多重检验过程中的公式。也是开始FDR的计算公式: 最后是FDR校正后的p值计算的一个小例子。 大家可以移步该网页查看 http://stat.ethz.ch/R-manual/R-devel/library/stats...
的计算相当简单,包括以下几步: 1.对 p 值进行从小到大的排序,标记上序号 1~n; 2.其中,最大的 FDR(不考虑重复则为第 n 位)等于最大的 p 值; 3.对于 n-1 位的 FDR,取下面两者的较小值: • 上一步(第 n 位)计算得出的 FDR 值; • p-value*n/(n-1) 4.不断迭代第三步(n-2,n-3....
而此时V等于pi*m,所以E(Q)≤q*可以写成 修正的q*值取最小值,即为我们平时工作中用到的修正的FDR值q-valuei。这里的公式即为Bonferroni型多重检验过程中的公式。也是开始FDR的计算公式: 最后是FDR校正后的p值计算的一个小例子。 大家可以移步该网页查看 http://stat.ethz.ch/R-manual/R-devel/library/st...
1. 计算P值:对所有的假设进行检验,得到每个假设对应的P值。 2. 排序P值:将所有的P值从小到大进行排序,记为P_{(1)}, P_{(2)}, \ldots, P_{(m)},其中m是假设的总数。 3. 计算调整后的阈值:对于每个排序后的P值P_{(i)},使用BY过程计算其对应的调整后的阈值。与BH方法不同,BY过程引入了一个...
01 P值计算 1、创建两组数据，可将两组样本的定量信息分别赋值给A和B两个变量，用于后续的t检验。（注：计算T检验p值要求每组至少有三个样本）A <- c(355,626,785,634,433) B <- c(223,335,246,631,522) 2、进行方差齐性检验（T检验的默认假设是两组样本方差相等，所以需要提前验证是否相等）vtest...
fdr校正计算公式 FDR校正值可以通过以下公式计算:FDR校正值= (排序位置/总假设数) α,其中α是事先设定的期望的错误发现率,通常取。 从排序后的p值中找到第一个大于其FDR校正值的位置,将该位置之前的所有p值对应的假设都判定为显著。根据判定为显著的假设,进一步进行后续的统计分析或实验验证。 FDR校正方法的...
p-value=FPR=\frac{FP}{FP+TN} 直观来看,p值是用上面混淆矩阵的第一列算出来的 (2)q值 q值实际上就是false discovery rate (FDR): q-value=FDR=\frac{FP}{FP+TP} 直观来看,q值是用上面混淆矩阵的第二行算出来的 但是仅仅知道它俩的计算公式的差别还不够,我们还有必要搞清楚一个问题:它俩在统计学意...
p-value of .3 is generally unacceptabe in any circumstance. Meanwhile an FDR of as high as .5 or even higher might be quite meaningful. FDR错误控制法是Benjamini于1995年提出一种方法,通过控制FDR(False Discovery Rate)来决定P值的域值. 假设你挑选了R个差异表达的基因,其中有S个是真正有差异表达...