统计学 学习笔记：常见统计学检验概念

Bonferroni 校正

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。

假设你挑选了R个差异表达的基因，其中有S个是真正有差异表达的，另外有V个其实是没有差异表达的，是假阳性的。
实践中希望错误比例 Q=V/R 平均而言不能超过某个预先设定的值（比如0.05），在统计学上，这也就等价于控制FDR不能超过5%；
对所有候选基因的p值进行从小到大排序，则若想控制fdr不能超过 q，则只需找到最大的正整数 i，使得 p(i)<= (i*q)/m.然后，挑选对应p(1),p(2),…,p(i)的基因做为差异表达基因，这样就能从统计学上保证FDR不超过q。因此，FDR的计算公式如下：
p-value(i)=p(i) * length ( p) / rank( p)

计算方法
请参考：http://stat.ethz.ch/R-manual/R-devel/library/stats/html/p.adjust.html

p<-c(0.0003,0.0001,0.02)
[1] 3e-04 1e-04 2e-02
p.adjust(p,method=“fdr”,length§)
[1] 0.00045 0.00030 0.02000

LSD

LSD 仅对所有的多重比较进行简单的多次t检验，不对单个检验的显著水平进行任何校正(以保证总拒绝率)，因此它的结果仅能作一般参考，实际应用意义不大；

Bonferroni 是 SSPS软件经常使用的一种多重比较的校正方法，敏感度介于 LSD 法和 Scheffe 法之间；它也是对所有的多重比较进行多次t检验，但它单个检验的显著水平进行校正，当比较的组数不是太多的话，使用Bonferroni还是不错的。不过，当比较的组数太大时，Bonferroni显得比较保守。

https://zhidao.baidu.com/question/263500516.html

S-N-K法

S-N-K法 是应用最广泛的一种两两比较方法。它采用Student-Range 分布进行所有组均值间的配对比较； 该方法的假阳性非常高，因此当比较次数较多时（例如有10组作两两比较，则比较次数会有45次），对用S-N-K法得到的有统计学意义的结论要谨慎一些。

根据相关研究的检索结果，除了参照所研究领域的惯例外，一般可以参照的标准为：
1、如果存在明确的对照组，要进行验证性研究，即计划好的某两个或几个组间（和对照组）的比较，适宜用 Bonferroni（LSD）法；
2、若需要进行多个均数间的两两比较（探索性研究）且各组人数相等，适宜用 Tukey法；
其它情况适宜用Scheffe法。当各组人数不相等，或者想进行复杂比较时，用此法较为稳妥。
它检验的是各个均数的线性组合，而不是只检验某一对均数间的差异，并控制总体的α水准等于0.05。正因如此，它相对比较保守，有时候方差分析F值差异有统计学意义，用该法做两两比较也找不出差异来。

链接：https://www.jianshu.com/p/db1cb751c2de