统计学习（四）：多重检验与控制程序

最新推荐文章于 2023-06-15 11:10:47 发布

Goodsta

最新推荐文章于 2023-06-15 11:10:47 发布

阅读量2.1k

点赞数

本文链接：https://blog.csdn.net/wong2016/article/details/73798286

版权

本文介绍了多重检验的概念，包括假阳性和假阴性，以及在进行多重检验时如何控制错误率。通过硬币抛掷的例子解释了多重检验导致的Type I错误率增加问题。接着，文章探讨了控制家庭错误率（FWER）的方法，如Bonferroni校正，并介绍了控制假发现率（FDR）的Benjamini-Hochberg程序。

摘要由CSDN通过智能技术生成

多重检验

多重检验( Multiple Testing )也称多重比较( Multiple Comparisons ), 即同时检验多个假设。假设有 m 个检验，记为 $H_1, H_2, \dots, H_m$ . 称检验是显著的( significant ), 如果拒绝零假设；否则，称检验是不显著的( non-significant ). 下表定义不同类型的错误：

/	零假设为真	备择假设为真	总计
significant	$V$	$S$	$R$
non-significant	$U$	$T$	$m-R$
总计	$m_0$	$m-m_0$	$m$

其中， $m$ 是检验个数， $m_0$ 是真的零假设个数(未知参数)， $m-m_0$ 是真的备择假设个数。 $V$ 是假阳性( false positives, Type I error )数，也称假发现( false discoveries )。 $S$ 是真阳性( true positives )数，也称真发现。 $U$ 是真阴性( true negatives )数， $T$ 是假阴性( false negatives, Type II error )数。 $R=V+S$ 是拒绝零假设的个数，也称发现( discoveries ). 在 $m$ 个检验中，