在一份普林斯顿大学的关于Storey_FDR方法的讲义中发现了一段关于Storey法计算qvalue的讲解(Storey本人写的。qvalue包的vignettes引用了这篇文章): 大意似乎是,Storey把最小FDR当做qvalue? q-value是什么? 使用FDR校正得到的p-adjust即为q-value。 clusterProfiler包中的enrichKEGG函数和enrichGO函数用的什么方法? p-a...
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...
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,校正后的FDR为:p1*10000/1, p2*10000/2, ..., p10000*10000/10000。与Bonferroni correction一致的地方是都乘以了检测总数,不一致的地方是BH算法在此...
总之，p-value提供了一个衡量数据显著性的基础，而q-value通过控制错误发现率，帮助减少假阳性结果，特别是在进行大量假设检验时。通过理解这些统计值之间的关系，研究者可以更准确地解释和解读生物数据。
q-value是Storey和Tibshirani提出的基于p-value分布的FDR计量方法,具体见什么,你算出的P-value看上去像齐天大圣变的庙?。 如何尽量减少统计检验次数 我们看到上面的校正方法多于统计检测次数有关,统计检测次数越多,校正也会越强烈。有没有合适的办法来规避一些无意义的统计检验呢?
q-value是Storey和Tibshirani提出的，它基于p-value分布，能提供一个调整后的FDR估计。减少统计检验次数的方法之一是通过筛选或预处理数据，只对可能重要的部分进行深入分析。总的来说，这些校正方法旨在平衡检验的敏感性和可靠性，确保在大量假设检验中得出的结果更为准确。通过理解这些概念，研究人员能够更...
统计学中有一个指标是q-value(q值),小弟不是很懂, 希望各位详细描述Q-value的意义、计算方法、与p-value的差别. 请不要网上粘贴那些没用的东西,
从P-value列表计算得到Q-value列表的统计模型有很多(参考R语言中p.adjust函数)。 P-value列表计算得到Q-value后,各个元素的大小排序不发生改变(不考虑相等的情况)。 相对于P-value列表中的对应元素的p值,其q值只会变大(或不变),不会变小(但不会超过1)。
以下是一个在R语言中实现从p-value到q-value转换的简易代码示例。保存文件为Pv2Qv.R，并赋予可执行权限。在命令行中运行代码，指定p值所在的列号。这将自动计算并输出q-value。使用该代码前，确保所有元素都包含计算出的p值。输入文件应为包含这些p值的列表。在命令行中运行时，使用“-p”参数指定...
从P-value列表计算得到Q-value列表的统计模型有很多(参考R语言中p.adjust函数)。 P-value 列表计算得到Q-value后,各个元素的大小排序不发生改变(不考虑相等的情况)。 相对于P-value列表中的对应元素的p值,其q值只会变大(或不变),不会变小(但不会超过1)。 P值经放大到对应的Q值的过程中,和列表中的元素的...