目录
假发现率
编辑假发现率，是用来掌握多个测试问题的。 尽可能多但仍尽可能多的正确命中。
背景
编辑重要的是要注意，测试多个假设会增加 alpha 错误累积（I 类错误）的概率。 尽管原假设是正确的，但它有时会在多个测试中被拒绝 - 出现“误报”。 因此，在检验多项检验的显着性时，显着性水平必须比单一假设检验更严格，因此要低。
相当保守的校正以对所有假设都相同的显着性水平抵消了 alpha 误差累积，这使得“误报”不太可能发生。 然而，修正是如此保守以至于拒绝原假设也变得更加困难（因此可能是一个发现）。
通过控制精度而不是回忆原假设。
定义
编辑对于测试程序，假发率被定义为被错误拒绝的零假设与被拒绝的零假设总数的预期比率。 换句话说，FDR 被定义为误报的比例： Q := F D R = E = 1 − Precision其中E 是期望值， F P 是假阳性检测的数量， T P是真阳性检测的数量。
Benjamini-Hochberg 程序
编辑Benjamini-Hochberg 过程（BH 过程）是一种接受原假设的过程，其方式是 FDR 不会因多次检验而变得过高。 在BH程序中，p值是按升序排列的。
从 m 个零假设中，那些属于 p 值的零假设被拒绝，所有后续 p 值 p k >; k m Q （比较图）。 被拒绝的零假设被评估为检测。 对于其他 p 值，接受相应的零假设（无检测）。
Storey-Tibshirani 程序
编辑在 Storey-Tibshirani 过程中，q 值可以控制假发率，就像 p 值可以控制假阳性率一样。
内容由匿名用户提供，本内容不代表vibaike.com立场，内容投诉举报请联系vibaike.com客服。如若转载，请注明出处：https://vibaike.com/347398/