FDR(错误发现率)与p值在多重假设检验中密切相关,前者通过校正后者来控制假阳性比例,平衡结果的显著性判断。FDR校正法(如Benjami
因此,FDR和p值是衡量统计检验结果的有效工具。FDR用于评估多重检验的结果,而p值则用于衡量检验的可信度。它们并不完全相同,但它们都可以用来帮助判断统计检验的结果是否可信。 通常情况下,FDR和p值之间的关系是:当FDR较低时,p值也较低,因此可以接受统计检验的结果。然而,在某些情况下,FDR和p值之间的关系可能不明...
从这里我们可以看到,p值其实是“假阳性率FPR”,通过表格的第一列可以计算出。“假阳性率”越小,即阳性概率越大。p值衡量的是一个原本应该是𝐻0的判断被错误认为是𝐻1(𝑟𝑒𝑗𝑒𝑐𝑡𝐻0)的比例,所以它是针对单次统计推断的一个置信度评估。 从另一个方向理解,...
我们在生物数据统计分析中,经常会听到p-value,adjusted p-value,q-value以及False discovery rate(FDR)。比如最常见实验组和对照组的差异基因表达分析,除了获得一个p值(p-value),通常而言还会得到一个adjusted p-value或者FDR(false discovery rate)。那么他们之间到底有什么关系,为什么已经有了一个p-value来指征显...
p值、pFDR和q值 p值相关 单个假设检验中主要依靠p值(或统计量t)做出是否拒绝零假设H0的决定:p值和预先设定的检验水准alpha做对比,如果p值小于等于alpha,拒绝原假设,否则不拒绝原假设。 p值:表征了在原假设成立的条件下,重复进行当前的试验,获得现有统计量t及其更极端情况的概率。 给定检验水准alpha时,可得出对应...
与p-value 不同, q-value 控制的是FDR (false discovery rate).3), 试验验证其准确性为99%(每100次诊断就有一次false positive). 对于一个被检测的人(single test) 来说, 这种准确性够了. 但对于医院 (multiple test) 来说, 这种准确性远远不够, 因为每诊断10 000个个体, 就会有100个人被误诊为艾滋...