博客探讨了在高通量实验中p值的问题，指出p值仅适用于单次实验，而在多重假设检验中需要进行校正以避免错误发现率（FDR）。文章介绍了邦弗朗尼校正和Benjamini-Hochberg过程，分别用于控制家庭错误率（FWER）和FDR。此外，还解释了p值的本质是控制假阳性率，并对比了p值和q值在单一和多次试验中的应用，强调在多次试验中控制FDR的重要性。
1.零假设和p值
零假设：在随机条件下的分布。
p值：在零假设下，观测到某一特定实验结果的概率称为p值。
2.为什么高通量实验中p值存在问题？
p值只对一次实验结果有效，如果是多重假设检验需要进行校正。
3.多重假设检验校正。
邦弗朗尼校正：p值小于显著性阈值/n（在零假设中至少有一个的得分会大于观测值的概率为显著性阈值，即我们有1-显著性阈值的概率可以确定在零假设中不会出现比观测值大 的值。所以如果出现了比观测值大的值可以认为是随机误差产生的。）（控制FWER）
Benjamini-Hochberg过程：设总共有m个候选基因，每个基因对应的p值从小到大排列分别是p(1),p(2),...,p(m),则若想控制fdr不能超过q，则只需找到最大的正整数 i
最低0.47元/天 解锁文章
扫一扫
7988
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
