FDR值和Q值：两者虽然名称不同，算法不同，但他们的作用其实是一致的，都是为了对P值进行多重假设检验校正。FDR校正相较于常规的Bonferroni 校正更加的宽松，它不追求完全没有假阳性结果，而是将假阳性结果和真阳性的比例控制在一定范围内，而FDR校正的算法也有很多，其中BH算法(Benjaminiand Hochberg)用得比较多。Q值...
和BH控制不同,q值和pFDR正好相反,即通过选定的拒绝域Talpha去估计对应的q值,当q小于等于alpha时,可保证FDR小于等于alpha。Storey给出了关于q值和pFDR的估计算法。 根据p值或q值可以计算对应的FDR,多重假设检验中拒绝H0的次数。 BH计算错误发现率时具有保守性,即在降低假阳性的同时,也减少了正确的假设。为此可采用...
这里，被放大的p值也被称作q值或PDR-p值。BH FDR作为经典频率主义假设检验的拓展，是现代大规模假设检...
fdr和q值的关系如下：fdr和q基本是相同的，都反映了false discovery rate (FDR)，每个样本的q值等于：以该样本的p值为阈值比它小的定为significant，该条件下估计的FDR。 有以下性质： 1.q随着p的增加单调增加，但是增加速率不同，p小时q增加得快，p大时q增加得慢； 2.q值和fdr值基本呈斜率为1的...
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:它俩在统计学意义上有什么不同呢? p值衡量的是一个原本应该是H_0的判断被错误认为是H_1 \, (reject H_...
FDR值是对多重假设检验的校正。我们需要有足够多的P-value来支撑FDR校正算法。这里不展示具体数据,只展示过程。只需输入所有的P值,选择校正算法为BH算法即可。R pvalue_adjust <- p.adjust(pvalues, method = "BH", n = length(pvalues))Q值计算 📉 Q值的计算与FDR值类似,需要输入所有的P值,并选择校正...
FWER显得较为保守,它主要是依靠减少假阳性的个数,同时也会减少TDR(true discovery rate)。而FDR方法是一种更加新颖靠谱的方法,它会对每个测试用例使用校正后的p值(q值),达到了更好的效果:在检验出尽可能多的阳性结果的同时将错误发现率控制在可以接受的范围。
首先，创建两组数据，并进行方差齐性检验，以确认数据满足t检验的前提条件。然后，使用t检验计算P值，以评估两组数据之间的显著性差异。接着，通过p.adjust函数对多个P值应用FDR校正算法（如BH算法），得到校正后的FDR值。最后，使用fdrtool包计算Q值，进一步评估假阳性控制。理解并掌握这些统计学指标与...
说到评价肽段鉴定可靠性的常用统计指标,比如p值、E值、假发现率(False Discovery Rate, FDR)、q值和后验错误率(Posterior Error Probability, PEP),小编先抛出一个总表,你要挺住,别被砸晕喽~ 评价肽段鉴定可靠性的统计指标(版权所有:中科院计算所)