假设检验中的错误发现控制和假阳性控制.pptx

假设检验中的错误发现控制和假阳性控制

错误发现控制的原则和类型

假阳性率控制的概念和方法

独立检验和依赖检验的差异

保姆α校正的影响

多重比较的调整方法

单重比较的局部错误控制

错误发现率控制的应用场景

假阳性率控制的挑战ContentsPage目录页

错误发现控制的原则和类型假设检验中的错误发现控制和假阳性控制

错误发现控制的原则和类型1.错误发现率（FDR）控制：确保期望假阳性发现数量不超过某个预先设定的阈值。2.家族错误率（FWER）控制：确保观察到的错误发现中至少有一个是假阳性的概率不超过某个预先设定的阈值。3.强控制率（CS）控制：确保每个特定错误发现都是假阳性的概率不超过某个预先设定的阈值。错误发现率控制的类型1.邦费罗尼校正：对每个检验进行单独的显著性检验，并相应地调整临界值以控制错误发现率。2.霍姆校正：一种逐步骤的程序，将检验按显著性值从低到高排序，并根据修正后的临界值控制错误发现率。3.本杰米尼-霍赫伯格程序（B-H）：一种更强大的程序，在控制错误发现率的同时具有更高的检验能力。4.斯泰因检验：一种非参数方法，用于在没有明确分布假设的情况下控制错误发现率。5.FDR自助法：一种基于重采样的方法，用于估计错误发现率并在控制错误发现率的同时最大化检验能力。错误发现控制的原则

独立检验和依赖检验的差异假设检验中的错误发现控制和假阳性控制

独立检验和依赖检验的差异独立检验和依赖检验的差异1.检验目标不同：独立检验旨在验证假设检验结果的可靠性，而依赖检验则考虑相关样本之间的影响。2.样本特征不同：独立检验下的样本相互独立，而依赖检验下的样本可能存在相关性或层次结构。3.检验统计量不同：独立检验通常使用t检验或ANOVA，而依赖检验使用线性混合模型或广义估计方程等统计量，以考虑样本之间的相关性。检验类型差异1.单次检验和多次检验：单次检验只涉及一个假设检验，而多次检验涉及同时检验多个假设。2.单向检验和双向检验：单向检验针对一个特定方向的假设，而双向检验没有方向限制。3.参数检验和非参数检验：参数检验假设样本来自正态分布，而非参数检验对样本分布没有假设。

独立检验和依赖检验的差异1.总体错误率（AER）：AER控制的是一次检验中出现至少一个错误发现的概率。2.家庭错误率（FER）：FER控制的是多次检验中出现至少一个错误发现的概率。3.局部错误率控制（LEP）：LEP控制的是单个检验中出现错误发现的概率。控制方法差异1.博妮费罗尼校正：一种保守的控制方法，通过调整显着性水平来控制AER。2.Holm-Bonferroni校正：一种逐级调整显着性水平的方法，可以提高统计功效。3.西蒙检验：一种允许更灵活控制错误率的方法，适用于多重比较的探索性分析。错误率控制方法差异

独立检验和依赖检验的差异误差来源差异1.I类错误：又称假阳性，即错误拒绝真假设的情况。2.II类错误：又称假阴性，即错误接受假假设的情况。3.选择性偏倚：研究者在设计或执行研究时引入偏倚，导致错误发现率增加。其他考虑因素差异1.效应大小：效应大小反映了假设检验的实际差异程度，在错误发现控制中需要考虑。2.先验概率：先验概率表示在进行检验之前对假设为真的信念程度，也会影响错误发现控制策略的选择。

多重比较的调整方法假设检验中的错误发现控制和假阳性控制

多重比较的调整方法家族错误率(FWER)控制方法-控制所有步骤的错误发现率(FDR)：确保所有统计检验中虚假阳性的预期数量不超过预先确定的阈值。-控制家庭错误率(FWER)：确保所有统计检验中至少一个虚假阳性的概率不超过预先确定的阈值。-Bonferroni校正：最常见的FWER控制方法，将每个检验的显著性水平除以检验的总数。选择性错误发现率(FDR)控制方法-控制FDR：确保虚假阳性的预期比例不超过预先确定的阈值。-Benjamini-Hochberg程序(BH程序)：一种广泛使用的FDR控制方法，通过逐次代替较小的显著性水平来控制FDR。-为BH程序设置适当的阈值：阈值的选择对控制FDR的有效性至关重要。

多重比较的调整方法Per-Family错误率(PFER)控制方法-控制PFER：确保在给定组中错误发现率不超过预先确定的阈值。-Sidák校正：一种常用的PFER控制方法，调整每个检验的显著性水平以控制组中的错误发现率。-为Sidák校正选择适当的分组：分组策略影响PFER控制的有效性。局部FDR控制方法-局部FDR控制(lFDR)：在有限区域内控制FDR，同时允许在该区域之外的发现。-限制性lFDR控制：确保lFDR不超过预先确定的