FDR校正法:允许一定的假阳性率 在实际应用中,我们希望减少Type I Error出现的可能,但也可以容许一定的假阳性率的存在。 Benjamini and Hochberg FDR (BH) 这是我们最常用的校正P-value控制假阳性率的方式。假设针对10000个基因进行了统计检验,对所有的原始P-value进行由小到大的排序分别为p1, p2, ..., p10000...
q value:衡量错误发现率的指标(False discovery rate,简称FDR,所有检验中假阳性的概率)。即使用Q value的这个参 数预估FDR。Q value 需要利用公式从p value 校正计算后得到,所以Q value 通常又被称为adjusted p value。所以一般情况下:我们可以认为Q value = FDR = adjusted p value,即三者是一个东西,虽然有...
在统计学中，P-value、q-value和FDR是多重假设检验中的关键概念，它们分别涉及单次检验的错误率、整体错误率控制以及允许假阳性的调整。审稿人常常强调的多重假设检验校正，主要是为了控制Family Wise Error Rate（FWER，即假阳性率）或False Discovery Rate（FDR），以确保结果的可靠性。文章详细解释了单...
q-value q-value是利用优化的FDR方法找到调整后的p值。通过利用p值分布的特征生成q值列表来优化FDR的方法。再来举个具体例子来理解q-value。在代谢组学实验中,我们通常会测试数百或数千个化合物变量。这些测试中的每一个都会产生一个p值。p值采用0到1之间的值,我们可以创建直方图来了解p值在0到1之间的分布情况。
q-value是FDR的另一种表达方式，通过优化p值分布来计算，可以提供更准确的假阳性和假阴性预测。以代谢组学为例，q-value分析可以更准确地估计在大量假设检验中，哪些显著结果可能是误报。表1中显示，化合物A的p值虽然小，但q值较大，提示其显著性有较高的假阳性的可能性。在选择阈值时，应考虑q值而...
FDR,Q value,adjust p value三个指标: p-value:衡量一次检验假阳性率的指标(False positive rate);q value:衡量错误发现率的指标(False discovery rate,简称FDR,所有检验中假阳性的概率)。即使用Q value的这个参数预估FDR。Q value 需要利用公式从p value 校正计算后得到,所以Q value 通常又被称为adjusted p ...
那么FDR = E(V/R)表示:在所有报告有显著差异的个体中可能误报的比例,即Q value。 举例:Q = 0.05,那么报告了100个显著差异体素,其中最多有5个是实际上无显著差异的。 === 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...
FDR,例如, m 个最重要的测试被定义为第 m 个最重要特征的 q 值。换句话说,特征的 q 值是包含该基因的最大列表的 FDR” 解读到这里,希望这篇文章能帮助你更好地理解 p 值、FDR 和 q 值。 文章整理翻译于该博客: https://divingintogeneticsandgenomics.rbind.io/post/understanding-p-value-multiple-comp...
统计分析检验获取p-value是我们经常要做的一个工作,比如获得差异基因或富集分析等。通常计算后会得到数百、数千或数万个p-value。考虑到多重假设检验的问题...)的整体比例 (π0),q-value与p-value的关系, qvalue即是定义某一个检验统计显著需要承受的最小假阳性率值。lfdr指在给定的p-value条件下,原假设(...