系列文章目录
Cox比例风险回归模型(proportional hazards model)
知识小结------数据分析------Fisher‘s exact test(费希尔检测)
Bonferroni correction(邦费罗尼校正)
前言
https://www.cnblogs.com/emanlee/archive/2012/06/11/2545571.html
我建议这种统计算法还是需要自己去找本统计书好好看看,因为网上好多都讲的不清楚。
说来惭愧,我自己也没看书,但是综合了网上的讲述和维基百科,大致了解了,因为知识读的论文有这些知识,所以我也只是方便自己去了解论文而学的。
不详细的地方,不对的地方还请多多批评!
一、Bonferroni correction(邦费罗尼校正)是什么?
邦费罗尼校正(英语:Bonferroni correction)是统计学中在多重比较时使用的一种方法,以意大利数学家卡罗·埃米利奥·邦费罗尼的名字命名。
二、储备知识
1.零假设与备择假设
- 在推论统计学中,零假设(英语:null hypothesis,又译虚无假设、原假设,日韩译作归无假说,符号:H_0是做统计检验时的一类假说。
- 零假设的内容一般是希望能证明为错误的假设,与零假设相对的是备择假设,即希望证明是正确的另一种可能。
- 在统计学的实际运用中,常常需要强调一类假设为应当或期望实现的假设,例如在相关性检验中,一般会取“两者之间无关联”作为零假设,而在独立性检验中,一般会取“两者之间非独立”作为零假设。
2.型一错误,型二错误
- 如果一个统计检验的结果拒绝零假设(结论不支持零假设),而实际上真实的情况属于零假设,那么称这个检验犯了型一错误。
- 反之,如果检验结果支持零假设,而实际上真实的情况属于备择假设,那么称这个检验犯了型二错误。
通常的做法是,在保持第一类错误出现的机会在某个特定水平上的时候(即显著性差异值或α值),尽量减少第二类错误出现的概率。
三、原理与公式
以下截图来自维基百科
1.我看到了一处非常好的讲解
这是博客地址
内容如下:
Bonferroni校正法:
此方法是在进行两两比较时对检验水准进行调整的办法,但是该方法在比较的次数较多时,就不太适合,因为校正后的检验水准会过小。此时可采用sidark法进行多重比较(仍然是对检验水准进行调整)。
统计学中一般以小概率作为判断差异是否显著的标准,通常都以0.05或0.01作为判断标准。在多重比较中, bonferroni是以t分布作为检验分布的,但多重比较时若均以0.05作为小概率的话,每次比较就会有5%犯一型错误的可能。但如果有n次比较,如有4个组要做6次比较,则有C6(2)*5%一型错误发生的概率,不符合小概率判断的原则。因此,bonferroni中,将小概率0.05或0.01除以要比较的次数n,作为判断显著性的小概率,这样,多重比较总的一型错误发生的概率不会超过0.05或0.01。
控制累积Ⅰ类错误概率增大的方法
采用Bonferroni法,SNK法和Tukey法等方法
2.累积Ⅰ类错误的概率为α’
当有k个均数需作两两比较时,比较的次数共有c= = k!/(2!(k-2)!)=k(k-1)/2
设每次检验所用Ⅰ类错误的概率水准为α,累积Ⅰ类错误的概率为α’,则在对同一实验资料进行c次检验时,在样本彼此独立的条件下,根据概率乘法原理,其累积Ⅰ类错误概率α’与c有下列关系:
α’=1-(1-α)c (8.6)
例如,设α=0.05,c=3(即k=3),其累积Ⅰ类错误的概率为α’=1-(1-0.05)3 =1-(0.95)3 = 0.143
3.Bonferroni法
方法:采用α=α’/c作为下结论时所采用的检验水准.c为两两比较次数, α’为累积I类错误的概率.
例8-1四个均值的Bonferroni法比较
设α=α’/c=0.05/6=0.0083,由此t的临界值为t(0.0083/2,20)=2.9271
Bonferroni法的适用性
当比较次数不多时,Bonferroni法的效果较好.
但当比较次数较多(例如在10次以上)时,则由于其检验水准选择得过低,结论偏于保守.
总结
后面基本是复制粘贴,别人的,因为,讲的很好了,所以我也不再总结了。毕竟我的知识储备太少了。