FDR计算

本文介绍了在R语言中计算False Discovery Rate (FDR) 的过程,包括遇到的问题及解决方案。作者强调了理解FDR概念的重要性,以及在处理多个模型时如何选择特定对象进行FDR计算。通过循环处理多个模型的P值,并将结果存回数据框,作者分享了自己在R基础知识上的巩固和学习体会。
摘要由CSDN通过智能技术生成

FDR计算

FDR的计算很简单,我折腾了一上午主要是因为遇到了以下几个问题。


问题:

  1. FDR是什么?有什么用?怎么计算?
  2. 我把几个模型的P值都合并成一个表了,所以每次运算FDR时,我需挑选特定的对象。
  3. 我有多个模型,所以我想着要如何构建循环。
  4. FDR的数据类型和输出结果都是vector,所以要如何把vector的结果写回dataframe里

解决:

逐一摸索,再次巩固R的基础知识(PS:雷子要赶明天的组会汇报,所以我必须自食其力)。

  1. 我的FDR理论学习笔记(微博)
  2. 挑选特定的数值。因为FDR是多次重复测量中犯错的概率(见第一条FDR的概念),所以测量的次数就会影响校正后的结果(废话),所以一定要把每个model中的p单独挑出来运算!
    又因为FDR的运算对象是向量,所以我只提取模型中的p值这一列,而不是整个数据框截出来。
  p_value <-
  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值