Công thức cho giá trị p điều chỉnh của Stewamini-Hochberg là gì?


14

Tôi hiểu các thủ tục và những gì nó kiểm soát. Vậy công thức của giá trị p được điều chỉnh trong quy trình BH cho nhiều so sánh là gì?


Ngay bây giờ tôi nhận ra BH ban đầu không tạo ra các giá trị p được điều chỉnh, chỉ điều chỉnh điều kiện từ chối (không): https://www.jstor.org/ sóng / 2346101 . Gordon Smyth đã giới thiệu các giá trị BH được điều chỉnh trong năm 2002, vì vậy câu hỏi vẫn được áp dụng. Nó được thực hiện trong R như p.adjustvới phương thức BH.

Câu trả lời:


6

Bài báo nổi tiếng của tạp chí Stewamini & Hochberg (1995) đã mô tả quy trình chấp nhận / bác bỏ các giả thuyết dựa trên việc điều chỉnh các mức độ alpha. Thủ tục này có một cải cách tương đương đơn giản về mặt giá trị được điều chỉnh , nhưng nó không được thảo luận trong bài báo gốc. Theo Gordon Smyth , ông đã giới thiệu các giá trị điều chỉnh vào năm 2002 khi triển khai ở R. Thật không may, không có trích dẫn tương ứng, vì vậy tôi luôn không rõ ràng nên trích dẫn điều gì nếu sử dụng giá trị được điều chỉnh BH .pp ppp.adjustp

Hóa ra, thủ tục được mô tả trong Stewamini, Heller, Yekutieli (2009) :

Một cách khác để trình bày kết quả của thủ tục này là bằng cách trình bày các giá trị được điều chỉnh . Giá trị được điều chỉnh BH được xác định làpp

p(i)BH=min{minji{mp(j)j},1}.

Công thức này có vẻ phức tạp hơn thực tế. Nó nói rằng:

  1. Đầu tiên, sắp xếp tất cả các giá trị từ nhỏ đến lớn. Sau đó nhân mỗi giá trị với tổng số phép thử và chia cho thứ tự xếp hạng của nó.ppm
  2. Thứ hai, đảm bảo rằng chuỗi kết quả không giảm: nếu nó bắt đầu giảm, làm cho giá trị trước đó bằng với giá trị tiếp theo (lặp đi lặp lại, cho đến khi toàn bộ chuỗi trở nên không giảm).p
  3. Nếu bất kỳ giá trị nào kết thúc lớn hơn 1, làm cho nó bằng 1.p

Đây là một cải cách đơn giản của quy trình BH gốc từ năm 1995. Có thể tồn tại một bài báo trước đó giới thiệu rõ ràng khái niệm giá trị được điều chỉnh BH , nhưng tôi không biết gì về nó.p


Cập nhật. @Zenit nhận thấy rằng Yekutieli & Stewamini (1999) đã mô tả điều tương tự đã có từ năm 1999:

nhập mô tả hình ảnh ở đây


Đó là câu trả lời tôi đang mong đợi, +1. Tôi nhớ đã đọc về Gordon Smyth khi thực hiện giá trị p đã điều chỉnh và không biết nên trích dẫn ai, thật tuyệt khi thấy có một trích dẫn "canon" cho điều này.
Firebug

1
Tôi tin rằng một tài liệu tham khảo thậm chí còn sớm hơn tồn tại: Yekutieli và Stewamini (1999) (phiên bản pdf có sẵn ở đây ). Định nghĩa 2.4 mô tả cách quy trình FDR ban đầu năm 1995 có thể được định nghĩa lại theo các giá trị p được điều chỉnh. Tín dụng cho bài viết blog này , nơi tôi tìm thấy về điều này.
Zenit

@Zenit ơi! Tuyệt vời tìm thấy! Tôi nên cập nhật câu trả lời của tôi.
amip nói phục hồi Monica

Cảm ơn nguồn @Zenit! Thật kỳ lạ khi một phương pháp thống kê phổ biến như vậy không có một tài liệu tham khảo nổi tiếng.
Firebug

7

Đầu tiên a đến câu trả lời. Coi rằng là giá trị p (kiểm tra đơn) liên quan đến giá trị z 0 của thống kê kiểm tra. FDR của Stewamini-Hochberg được tính theo hai bước ( N 0 = # pvalues p 0 , N = # pvalues):p0pz0N0 p0N

  • FDR (p0)=p0N0N

  • FDR (pi)=min(FDR(pi),FDR(pi+1))


Bây giờ hãy hiểu điều này. Ý tưởng cơ bản (Bayes) là các quan sát đến từ hỗn hợp của hai phân phối:

  • π0Nf0(z)
  • (1π0)Nf1(z)

Những gì được quan sát là hỗn hợp của hai:

  • f(z)=π0f0(z)+(1π0)f1(z)

nhập mô tả hình ảnh ở đây

Các định nghĩa (Bayes) là:

  • Fdr=π0(1F0(z0))(1F(z))
  • fdr=π0f0(z0)f(z)

π01

nhập mô tả hình ảnh ở đây

(Dựa trên suy luận thống kê về thời đại máy tính của Efron & Tibshirani )

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.