Legfontosabb Egyéb Hamis felfedezési arány

Hamis felfedezési arány

Áttekintés

Szoftver

Leírás

különbség a különbségfeltevésekben

Weboldalak

Olvasások

Tanfolyamok

Áttekintés

Ez az oldal röviden leírja a hamis felfedezési arányt (FDR), és megjegyzéseket tartalmaz az erőforrások listájáról.

Leírás

A genomális vizsgálatok eredményeinek elemzésekor gyakran több ezer hipotézis tesztet hajtanak végre egyidejűleg. A hagyományos Bonferroni módszer alkalmazása a többszörös összehasonlítások korrekciójára túl konzervatív, mivel a hamis pozitív előfordulás elleni védelem sok elmaradt eredményhez vezet. Annak érdekében, hogy a lehető legtöbb jelentős összehasonlítást meg lehessen azonosítani, miközben továbbra is alacsony az álpozitív arány, a False Discovery Rate (FDR) és analógja, a q értéket használják.

A probléma meghatározása
Hipotézis-tesztek elvégzése során, például annak megállapítására, hogy két középérték jelentősen különbözik-e, kiszámítunk egy p-értéket, amely annak valószínűsége, hogy a megfigyelt statisztikához hasonlóan vagy szélesebb körű tesztstatisztikát kapunk, feltéve, hogy a nullhipotézis igaz. Ha például p-értékünk 0,03 lenne, az azt jelentené, hogy ha nullhipotézisünk igaz, akkor 3% esélye lenne a megfigyelt tesztstatisztikánk megszerzésének, vagy egy szélsőségesebb. Mivel ez egy kis valószínűség, elvetjük a nullhipotézist, és azt mondjuk, hogy az átlagok jelentősen különböznek egymástól. Ezt a valószínűséget általában 5% alatt szeretjük tartani. Amikor az alfánkat 0,05-re állítjuk, azt mondjuk, hogy azt akarjuk, hogy egy null eredményt szignifikánsnak nevezzünk, kevesebb, mint 5%. Más szóval azt akarjuk, hogy az I. típusú hiba vagy a hamis pozitív valószínűsége kevesebb, mint 5%.

Amikor több összehasonlítást végzünk (mindegyik tesztet jellemzőnek fogom nevezni), akkor nagyobb a valótlanság valószínűsége. Minél több funkcióval rendelkezik, annál nagyobb az esélye annak, hogy a null funkciót jelentősnek nevezzük. A hamis pozitív arány (FPR), vagy összehasonlítási hibaarányonként (PCER) az összes elvégzett hipotézis-teszt várható száma. Tehát, ha az FPR-t 0,05 alfán szabályozzuk, akkor garantáljuk, hogy az összes hipotézis tesztből a hamis pozitív (null tulajdonságokat jelentősnek nevezett) százalékos aránya legfeljebb 5%. Ez a módszer akkor jelent problémát, ha nagyszámú hipotézis tesztet végzünk. Például, ha genomális vizsgálatot végeztünk a tumorszövet és az egészséges szövet közötti differenciális génexpresszióval, és 1000 gént teszteltünk és kontrolláltuk az FPR-t, akkor átlagosan 50 valóban null gént nevezünk szignifikánsnak. Ez a módszer túl liberális, mivel nem akarunk ilyen sok hamis pozitív eredményt elérni.

Jellemzően több összehasonlítási eljárás vezérli a családonkénti hibaarányt (FWER), ami annak valószínűsége, hogy az összes elvégzett hipotézisvizsgálat közül egy vagy több hamis pozitív eredményt kapjon. A gyakran használt Bonferroni korrekció vezérli az FWER-t. Ha minden hipotézist szignifikancia szinten (alfa / hipotézis tesztek száma) tesztelünk, garantáljuk, hogy egy vagy több hamis pozitív eredmény valószínűsége kisebb, mint az alfa. Tehát, ha az alfa értéke 0,05 volt, és 1000 génünket teszteltük, akkor mindegyik p-értéket 0,00005-ös szignifikancia szinten teszteltük, hogy garantáljuk, hogy egy vagy több hamis pozitív eredmény valószínűsége 5% vagy kevesebb. Az egyetlen hamis pozitív ellen való védelem azonban túl szigorú lehet a genomális vizsgálatokhoz, és sok elmaradt eredményhez vezethet, különösen, ha sok igaz pozitívumra számítunk.

A hamis felfedezési arány (FDR) ellenőrzése lehetővé teszi a lehető legtöbb jelentős tulajdonság azonosítását, miközben viszonylag alacsony arányban fordul elő hamis pozitív.

A hamis felfedezési arány ellenőrzésének lépései:

  • Az FDR ellenőrzése az α * szinten (azaz a hamis felfedezések várható szintje osztva a felfedezések teljes számával)

E [V⁄R]

  • Számítsa ki az egyes hipotézis tesztek és sorrendek p-értékeit (a legkisebbtől a legnagyobbig, P (perc) ……. P (max))

  • Az i-edik sorrendű p-érték ellenőrzéshez, ha a következők teljesülnek:

P (i) ≤ α × i / m

minőségi egészségügyi ellátás Mexikóban

Ha igaz, akkor jelentős

* Korlátozás: ha a hibaarány (α) nagyon nagy, akkor a jelentős eredmények között megnőhet a hamis pozitív eredmények száma

A hamis felfedezési arány (FDR)

Az FDR az az arány, amelynél a jelentősnek nevezett funkciók valóban nullák.
FDR = várható (# hamis jóslat / # összes jóslat)

Az FDR az az arány, amelynél a jelentősnek nevezett funkciók valóban nullák. Az 5% -os FDR azt jelenti, hogy az összes jelentősnek nevezett tulajdonság közül ezek 5% -a valóban semmitmondó. Ahogy az alfát állítjuk be a p-érték küszöbértékeként az FPR vezérléséhez, beállíthatunk egy küszöbértéket is a q-értékre, amely a p-érték FDR-analógja. A 0,05 értékű p-küszöbérték (alfa) 5% -os FPR-t eredményez az összes valóban null tulajdonság között. A 0,05-ös q küszöbérték 5% -os FDR-t eredményez az összes jelentősnek nevezett tulajdonság között. A q-érték a hamis pozitív eredmények várható aránya az összes jellemző között, amely a megfigyeltnél szélesebb vagy annál szélesebb.

1000 gén vizsgálatunkban tegyük fel, hogy az Y gén p-értéke 0,00005, q értéke pedig 0,03. Annak a valószínűsége, hogy egy nem differenciálisan expresszált gén tesztstatisztikája ugyanolyan vagy annál szélesebb, mint az Y gén tesztstatisztikája, 0,00005. Az Y gén tesztstatisztikája azonban nagyon szélsőséges lehet, és valószínűleg ez a tesztstatisztika nem valószínű egy eltérő módon expresszált gén esetében. Nagyon is lehetséges, hogy valóban léteznek olyan differenciálisan expresszált gének, amelyek vizsgálati statisztikái kevésbé szélsőségesek, mint az Y gén. A 0,03 q-érték felhasználásával azt mondhatjuk, hogy a gének 3% -a extrémebb vagy annál szélsőségesebb (azaz azok a gének, amelyek alacsonyabb p- értékek), mivel az Y gén hamis pozitív. A q-értékek segítségével eldönthetjük, hogy hány olyan hamis pozitív eredményt hajlandóak elfogadni az összes jellemző között, amelyet jelentősnek nevezünk. Ez különösen akkor hasznos, ha a későbbiekben további megerősítés céljából nagyszámú felfedezést kívánunk végrehajtani (azaz kísérleti tanulmány vagy feltáró elemzés, például ha gén expressziós mikroszkóppal készítettük el a differenciálisan expresszált gének kiválasztását valós idejű PCR-rel történő megerősítés céljából). Ez hasznos olyan genomszerû vizsgálatokban is, ahol elvárjuk, hogy a jellemzõk jelentõs része valóban alternatív legyen, és nem akarjuk korlátozni a felfedezõ képességünket.

Az FDR rendelkezik néhány hasznos tulajdonsággal. Ha minden nullhipotézis igaz (nincsenek igazán alternatív eredmények), akkor az FDR = FWER. Ha van néhány valóban alternatív hipotézis, az FWER vezérlése automatikusan vezérli az FDR-t is.

Az FDR módszer ereje (ne feledje, hogy a hatalom a nullhipotézis elutasításának valószínűsége, ha az alternatíva igaz) egységesen nagyobb, mint a Bonferroni-módszerek. Az FDR teljesítményelőnye a Bonferroni módszerekkel szemben növekszik a hipotézis tesztek növekvő számával.

Az FDR becslése
(Storey és Tibshirani, 2003)

Fogalommeghatározások: t :küszöbérték V: hamis pozitív eredmények száma: S: a jelentősnek nevezett funkciók száma: m: a valóban nulla tulajdonságok száma: a hipotézis tesztek (jellemzők) száma:
Az FDR egy bizonyos küszöbértéknél, t, FDR (t). FDR (t) ≈ E [V (t)] / E [S (t)] -> az FDR egy bizonyos küszöbértéknél megbecsülhető az adott küszöbön várható hamis pozitív eredmények számának elosztva a jelentősnek nevezett tulajdonságok várható számával azon a küszöbön.
Hogyan becsüljük meg az E [S (t)] értéket?
E [S (t)] egyszerűen S (t), a megfigyelt p-értékek száma ≤ t (azaz azoknak a tulajdonságoknak a száma, amelyeket a kiválasztott küszöbnél jelentősnek nevezünk). A null p-érték ≤ t valószínűsége t (amikor alfa = 0,05, akkor 5% a valószínűsége annak, hogy egy valóban null tulajdonságnak van egy p-értéke, amely véletlenül a küszöb alatt van, ezért szignifikánsnak nevezik).
Hogyan becsüljük meg az E [V (t)] értéket?
E [V (t)] = m0 * t -> az adott küszöbhöz tartozó hamis pozitív eredmények várható száma megegyezik a valóban null tulajdonságok számával, és annak a valószínűsége, hogy egy null tulajdonságot jelentősnek fogunk nevezni.
Hogyan becsüljük meg az m0 értéket?
Az m0 valódi értéke nem ismert. Megbecsülhetjük azoknak a tulajdonságoknak az arányát, amelyek valóban nullák, m0 / m = π0.
Feltételezzük, hogy a null tulajdonságok p-értékei egyenletesen oszlanak el (lapos eloszlásúak) [0,1] között. A lapos eloszlás magassága konzervatív becslést ad a null p-értékek π0 teljes arányáról. Például az alábbi kép, amelyet Storey és Tibshirani (2003) vett, egy gén expressziós vizsgálat 3000 génjének 3000 p-értékű sűrűség hisztogramja. A szaggatott vonal a hisztogram lapos részének magasságát jelenti. Azt várjuk, hogy valóban null tulajdonságok alkotják ezt a sima eloszlást [0,1] -től, és az valóban alternatív jellemzők közelebb kerülnek a 0-hoz.

A π0 mennyiségét úgy határozzuk meg, ahol a lambda a hangolási paraméter (például a fenti képen választhatjuk a lambda = 0,5 értéket, mivel a 0,5-ös p érték után az eloszlás meglehetősen lapos. A valóban null jellemzők aránya megegyezik a p számával értékek nagyobbak, mint a lambda osztva m-vel (1-lambda). Amint a lambda megközelíti a 0-t (amikor az eloszlás nagy része lapos), a nevező körülbelül m lesz, csakúgy, mint a számláló, mivel a p-értékek többsége nagyobb lesz mint a lambda, és a π0 értéke megközelítőleg 1 lesz (minden tulajdonság null).
A lambda kiválasztását általában statisztikai programok automatizálják.

Most, hogy megbecsültük a π0 értéket, meg tudjuk becsülni az FDR (t) értéket
Ennek az egyenletnek a számlálója csak a hamis pozitív számok várható száma, mivel π0 * m a valóban nullhipotézisek becsült száma, és t annak a valószínűsége, hogy egy valóban null tulajdonságot szignifikánsnak neveznek (a t küszöb alatt van). A nevező, mint fentebb említettük, egyszerűen a jelentősnek nevezett tulajdonságok száma.
A tulajdonság q-értéke ekkor a minimális FDR, amelyet el lehet érni, ha ezt a tulajdonságot jelentősnek nevezzük.

(Megjegyzés: a fenti definíciók feltételezik, hogy m nagyon nagy, és így S> 0. Amikor S = 0, az FDR nincs meghatározva, tehát a statisztikai irodalomban az E [V /? S? | S> 0]? * Pr mennyiség (S> 0) használjuk FDR-ként. Alternatív megoldásként a pozitív FDR-t (pFDR) használjuk, amely E [V / S? | S> 0]. Lásd: Benjamini és Hochberg (1995), valamint Storey és Tibshirani (2003). további információért.)

Olvasások

Tankönyvek és fejezetek

A BIOSZTATISZTIKA ÚJABB ADÓK (4. kötet):
Hamis felfedezési arányok, túlélési elemzés és kapcsolódó témák
Szerkesztette: Manish Bhattacharjee (New Jersey Institute of Technology, USA), Sunil K Dhar (New Jersey Technology Institute, USA) és Sundarraman Subramanian (New Jersey Technology Institute, USA).
http://www.worldscibooks.com/lifesci/8010.html
Ennek a könyvnek az első fejezete áttekintést nyújt az FDR ellenőrzési eljárásairól, amelyeket a szakterület kiemelkedő statisztikusai javasoltak, és egy új adaptív módszert javasol, amely ellenőrzi az FDR-t, ha a p-értékek függetlenek vagy pozitívan függenek.

Intuitív biostatisztika: Nem matematikai útmutató a statisztikai gondolkodáshoz
írta Harvey Motulsky
http://www.amazon.com/Intuitive-Biostatistics-Nonmathematical-Statistical-Thinking/dp/product-description/0199730067
Ez a statisztikai könyv olyan tudósok számára készült, akiknek nincs komplex statisztikai hátterük. Az E. rész, A statisztika kihívásai laikus kifejezéssel magyarázzák a többszörös összehasonlítás problémáját és annak kezelésének különféle módjait, ideértve a családonkénti hibaarány és az FDR alapvető leírását.

Nagyszabású következtetés: empirikus Bayes-módszerek a becsléshez, teszteléshez és előrejelzéshez
Efron, B. (2010). Matematikai Statisztikai Intézet Monográfiák, Cambridge University Press.
http://www.amazon.com/gp/product/0521192498/ref=as_li_ss_tl?ie=UTF8&tag=chrprobboo-20&linkCode=as2&camp=1789&creative=390957&creativeASIN=0521192498
Ez egy könyv áttekinti az FDR fogalmát, és nemcsak becslési eljárásként, hanem jelentőséget tesztelő objektumként is feltárja annak értékét. A szerző empirikus értékelést ad az FDR becslések pontosságáról is.

Módszertani cikkek

Benjamini, Y. és Y. Hochberg (1995). A hamis felfedezési arány ellenőrzése: gyakorlati és hatékony megközelítés a többszörös teszteléshez. A Királyi Statisztikai Társaság folyóirata. B sorozat (módszertani) 57 (1): 289-300.
Ez az 1995-ös cikk volt az FDR első hivatalos leírása. A szerzők matematikailag elmagyarázzák, hogy az FDR hogyan viszonyul a családonkénti hibaarányhoz (FWER), egyszerű példát mutatnak be az FDR használatára, és végeznek egy szimulációs tanulmányt, amely bemutatja az FDR eljárás erejét a Bonferroni típusú eljárásokhoz képest.

Storey, J. D. és R. Tibshirani (2003). Statisztikai jelentőség a genomális vizsgálatok szempontjából. A Nemzeti Tudományos Akadémia közleményei 100 (16): 9440-9445.
Ez a cikk elmagyarázza, mi az FDR, és miért fontos a genomális vizsgálatok számára, és elmagyarázza, hogyan becsülhető meg az FDR. Példákat ad azokra a helyzetekre, amelyekben az FDR hasznos lehet, és áttekintő példát mutat be arra, hogy a szerzők miként használták az FDR-t a mikrorajz differenciális génexpressziós adatok elemzésére.

Emeletes JD. (2010) Hamis felfedezési arányok. In International Encyclopedia of Statistics Science, Lovric M (szerkesztő).
Nagyon jó cikk, amely felülnézi az FDR vezérlést, a pozitív FDR-t (pFDR) és a függőséget. Ajánlott az FDR és a kapcsolódó módszerek egyszerűsített áttekintése többszörös összehasonlítás céljából.

Reiner A, Yekutieli D, Benjamini Y: Differenciálisan expresszált gének azonosítása hamis felfedezési sebességet szabályozó eljárásokkal. Bioinformatika 2003, 19 (3): 368-375.
Ez a cikk szimulált mikrorajellt adatokat használ három új mintavételen alapuló FDR vezérlő eljárás összehasonlításához a Benjamini-Hochberg eljárással. A vizsgálati statisztikák újbóli mintavétele azért történik, hogy ne feltételezzük az egyes gének differenciális expressziójának vizsgálati statisztikájának megoszlását.

Verhoeven KJF, Simonsen KL, McIntyre LM: Hamis felfedezési arány-vezérlés megvalósítása: növeli az erejét. Oikos 2005, 108 (3): 643-647.
Ez a cikk elmagyarázza a Benjamini-Hochberg eljárást, bemutat egy szimulációs példát, és megtárgyalja az FDR területén a legújabb fejleményeket, amelyek több energiát tudnak biztosítani, mint az eredeti FDR módszer.

Stan Pounds és Cheng Cheng (2004) A hamis felfedezési arány becslésének javítása Bioinformatika Vol. 20 sz. 2004. 11., 1737–1745.
Ez a cikk bemutatja a spacing LOESS hisztogram (SPLOSH) nevű módszert. Ezt a módszert javasoljuk a feltételes FDR (cFDR) becslésére, amely a hamis pozitív eredmények várható aránya feltételezhető, ha k „szignifikáns” eredményt kap.

Daniel Yekutieli, Yoav Benjamini (1998) Újramintavételezésen alapuló hamis felfedezési arány, többszörös vizsgálati eljárások ellenőrzése a korrelált vizsgálati statisztikákhoz Journal of Statistics Planning and Inference 82 (1999) 171-196.
Ez a cikk egy új FDR ellenőrzési eljárást vezet be az egymással korrelált tesztstatisztikák kezelésére. A módszer magában foglalja a p-érték kiszámítását újravételezés alapján. A módszer tulajdonságait egy szimulációs tanulmány segítségével értékelik.

Yoav Benjamini és Daniel Yekutieli (2001) A hamis felfedezési arány ellenőrzése többszöri tesztelésben függőség alatt The Annals of Statistics 2001, Vol. 29, 4. szám, 1165–1188.
Az eredetileg javasolt FDR-módszert független tesztstatisztikák többféle hipotézis-tesztelésére használták. Ez a cikk azt mutatja, hogy az eredeti FDR módszer akkor is vezérli az FDR-t, ha a tesztstatisztikák pozitív regressziófüggésben vannak az egyes null-hipotézisnek megfelelő tesztstatisztikáktól. A függő vizsgálati statisztikákra példa lehet egy több végpont tesztelése a kezelés és a kontroll csoport között egy klinikai vizsgálat során.

John D. Storey (2003) A pozitív hamis felfedezés aránya: Bayesi értelmezés és q-érték The Annals of Statistics 2003, Vol. 31., 2013–2035. 6. sz.
Ez a cikk meghatározza a pozitív hamis felfedezési arányt (pFDR), amely az összes szignifikánsnak nevezett teszt várható hamis pozitív száma, mivel van legalább egy pozitív megállapítás. A cikk a pFDR bayesi értelmezését is tartalmazza.

hogyan kell bánni egy passzív agresszív munkatárssal

Yudi Pawitan, Stefan Michiels, Serge Koscielny, Arief Gusnanto és Alexander Ploner (2005) Hamis felfedezési arány, érzékenység és minta nagysága a mikroarray vizsgálatokhoz Bioinformatics Vol. 21 sz. 2005. 2005. 13, 3017–3024.
Ez a cikk leírja a kétmintás összehasonlító vizsgálat mintaméretének kiszámítási módszerét, amely az FDR-szabályozáson és az érzékenységen alapul.

Grant GR, Liu J, Stoeckert CJ Jr. (2005) Praktikus hamis felfedezési arányú megközelítés a differenciál expressziós minták azonosításához a mikroarray adatokban. Bioinformatika. 2005, 21 (11): 2684-90.
A szerzők leírják a permutációbecslési módszereket, és megvitatják a kutatók statisztikai és adatátalakítási módszerek megválasztásával kapcsolatos kérdéseket. A mikroarray adatok felhasználásával kapcsolatos teljesítményoptimalizálást is vizsgálják.

Jianqing Fan, Frederick L. Moore, Xu Han, Weijie Gu, A hamis felfedezés arányának becslése önkényes kovariancia-függőség alapján. J Am Stat Assoc. 2012; 107 (499): 1019–1035.
Ez a cikk javaslatot tesz és leír egy módszert az FDR ellenőrzésére, amely a tesztstatisztika kovarianciamátrixának fő tényező-közelítésén alapul.

Alkalmazási cikkek

Han S, Lee K-M, Park SK, Lee JE, Ahn HS, Shin HY, Kang HJ, Koo HH, Seo JJ, Choi JE és mtsai: Gyermekkori akut limfoblasztos leukémia genom-szintű asszociációs vizsgálata Koreában. Leukémia-kutatás, 2010, 34 (10): 1271-1274.
Ez egy genomra kiterjedő asszociációs (GWAS) vizsgálat volt, amely egymillió egyetlen nukleotid polimorfizmust (SNP) tesztelt a gyermekkori aktut limfoblasztos leukémiával (ALL) való összefüggés szempontjából. 0,2-nél ellenőrizték az FDR-t, és 4 különböző génben 6 SNP-t találtak, amelyek szorosan összefüggenek az ALL kockázattal.

Pedersen, K. S., Bamlet, W. R., Oberg, A. L., de Andrade, M., Matsumoto, M. E., Tang, H., Thibodeau, S. N., Petersen, G. M. és Wang, L. (2011). A leukocita DNS-metilációs aláírás megkülönbözteti a hasnyálmirigyrákos betegeket az egészséges kontrollaktól. PLoS ONE 6, e18223.
Ez a tanulmány egy FDR-t kontrollált<0.05 when looking for differentially methylated genes between pancreatic adenoma patients and healthy controls to find epigenetic biomarkers of disease.

Daniel W. Lin, Liesel M. FitzGerald, Rong Fu, Erika M. Kwon, Siqun Lilly Zheng, Suzanne és mtsai. A LEPR, CRY1, RNASEL, IL4 és ARVCF gének genetikai változatai a prosztatarákra jellemző prognosztikai markerek Halandóság (2011), Cancer Epidemiol Biomarkers Prev. 2011; 20: 1928-1936. Ez a tanulmány megvizsgálta a kiválasztott jelölt gének variációját a prosztatarák kialakulásához kapcsolódóan annak prognosztikai értékének tesztelésére a magas kockázatú egyének körében. FDR-t alkalmaztunk az egy nukleotid polimorfizmusok (SNP) rangsorolására és a legmagasabb rangú SNP azonosítására.

Radom-Aizik S, Zaldivar F, Leu S-Y, Adams GR, Oliver S, Cooper DM: A testmozgás hatása a mikroRNS expressziójára fiatal férfiak perifériás vér mononukleáris sejtjeiben. Clinical and Translational Science 2012, 5 (1): 32-38.
Ez a tanulmány megvizsgálta a mikroRNS expressziójának változását edzés előtt és után, mikroarray segítségével. Benjamini-Hochberg eljárást alkalmaztak az FDR ellenőrzésére 0,05-nél, és 236 mikroRNS közül 34-et találtak differenciálisan expresszálódónak. A kutatók ezután kiválasztották a mikroRNS-eket ebből a 34-ből, hogy valós idejű PCR-rel megerősítsék őket.

nyc legjobb kollégiumai

Weboldalak

R statisztikai csomag
http://genomine.org/qvalue/results.html
Jegyzetelt R kód, amelyet a Storey és Tibshirani (2003) cikk adatainak elemzésére használnak, beleértve az adatfájlra mutató linket. Ez a kód bármilyen tömbadattal használható.

http://www.bioconductor.org/packages/release/bioc/html/qvalue.html
qvalue csomag R-hez

http://journal.r-project.org/archive/2009-1/RJournal_2009-1.pdf

A Journal R Project az R Alapítvány a Statisztikai Számítástechnika szakértői által áttekintett, nyílt hozzáférésű kiadványa. Ez a kötet Megan Orr és Peng Liu „Mintaméret-becslés, miközben a hamis felfedezési arányok ellenőrzése a mikroarray-kísérletekhez” címet viseli. Konkrét funkciók és részletes példák találhatók.

http://strimmerlab.org/notes/fdr.html
Ez a weboldal az R szoftverek listáját tartalmazza az FDR elemzéshez, a honlapok linkjeivel együtt a csomag jellemzőinek ismertetéséhez.

SAS
http://support.sas.com/documentation/cdl/en/statug/63347/HTML/default/viewer.htm#statug_multtest_sect001.htm
A SAS PROC MULTTEST leírása, amely lehetőséget kínál az FDR vezérlésére különböző módszerekkel.

ÁLLAPOT
http://www.stata-journal.com/article.html?article=st0209
STATA parancsokat biztosít a q-értékek kiszámításához a többtesztes eljárásokhoz (az FDR-korrigált q-értékek kiszámításához).

FDR_általános webes erőforrások
http://www.math.tau.ac.il/~ybenja/fdr/index.htm
Webhely, amelyet a Tel Avivi Egyetem statisztikusai kezeltek, akik először hivatalosan bevezették az FDR-t.

http://www.math.tau.ac.il/~ybenja/
Ez az FDR webhely számos referenciával rendelkezik. Az FDR-ről szóló előadás áttekinthető.

http://www.cbil.upenn.edu/PaGE/fdr.html
Szép, tömör magyarázat az FDR-ről. Hasznos, áttekinthető összefoglalás példákkal.

http://www.rowett.ac.uk/~gwh/False-positives-and-the-qvalue.pdf
A hamis pozitív és a q-értékek rövid áttekintése.

Tanfolyamok

Útmutató a hamis felfedezések ellenőrzéséről, Christopher R. Genovese Statisztikai Tanszék Carnegie Mellon Egyetem.
Ez a powerpoint egy nagyon alapos bemutató azok számára, akik érdeklődnek az FDR matematikai alapjainak és az FDR variációinak megismerése iránt.

Többszörös tesztelés Joshua Akey-től, a Washingtoni Egyetem Genomtudományi Tanszékétől.
Ez a powerpoint lehetővé teszi a több összehasonlítás és az FDR nagyon intuitív megértését. Ez az előadás jó azok számára, akik sok matematika nélkül keresik az FDR egyszerű megértését.

A lokális hamis felfedezési arány becslése a két osztály közötti differenciál kifejezés kifejezésében.
Geoffrey MacLachlan, professzor, ausztrál Queenslandi Egyetem előadása.
www.youtube.com/watch?v=J4wn9_LGPcY
Ez a videóelőadás hasznos volt a helyi FDR megismerésében, amely annak valószínűsége, hogy egy adott hipotézis igaz lesz, figyelembe véve annak specifikus tesztstatisztikáját vagy p-értékét.

Hamis felfedezési arány ellenőrzési eljárások a diszkrét tesztekhez
Ruth Heller professzor, a Statisztikai és Operációkutatási Tanszék előadása. Tel-Avivi Egyetem
http://www.youtube.com/watch?v=IGjElkd4eS8
Ez a videóelőadás hasznos volt az FDR vezérlés diszkrét adatokon történő alkalmazásának megismerésében. A diszkrét adatok kezelésével kapcsolatban az FDR-vezérlés számos lépését tárgyalják. Felülvizsgálják azokat az alternatívákat, amelyek végső soron hozzájárulnak a hatalom növeléséhez.

Érdekes Cikkek

Szerkesztő Választása

Evolúciós biológia
Evolúciós biológia
Ruslan Sokolovsky esete
Ruslan Sokolovsky esete
A Columbia globális véleménynyilvánítási szabadsága arra törekszik, hogy elősegítse a nemzetközi és nemzeti normák és intézmények megértését, amelyek a legjobban védik az információk és a szólás szabad áramlását egy összekapcsolt globális közösségben, amelynek főbb közös kihívásokkal kell megküzdenie. Küldetésének elérése érdekében a globális véleménynyilvánítás szabadsága kutatási és politikai projekteket vállal és megbíz, rendezvényeket és konferenciákat szervez, valamint részt vesz a véleménynyilvánítás és az információszabadság 21. századi védelmével kapcsolatos globális vitákban és hozzájárul azokhoz.
Jody Kraus
Jody Kraus
Jody Kraus, ügyvéd és filozófus, ösztöndíját az erkölcsi és a gazdasági jogelméletek közötti kapcsolatra összpontosítja, különös tekintettel a szerződésjogra. Társszerzője (a kolumbiai professzorral, Robert E. Scottal) a vezető szerzőkönyv, a szerződésjog és elmélet (ötödik kiadás) társszerzője. Kraus és Scott a közelmúltban társszerzőként is írták a The Case Against Equity in American Treaty Law című cikket (93 Southern California Law Review 1323 (2020)). Kraus a szerződések és az Egységes Kereskedelmi Törvénykönyv szakértőjeként vallott mind az amerikai, mind a külföldi vitákban, és rendszeresen konzultál ezekben a témákban az ügyvédek számára szerte a világon. Amikor Kraus 2012-ben csatlakozott a Jogi Egyetem karához, a Columbia Egyetem filozófia professzorának nevezték el. Bemutató és haladó szerződéses tanfolyamokat tart, valamint tanfolyamokat tart a szerződési jog filozófiájáról, a jogelméletről, a politikai filozófiáról és a jogfilozófiáról. Az új Columbia Law School Executive LL.M. karán dolgozik. a globális üzleti jog programban. Kraus az Amerikai Jogi és Közgazdasági Szövetség szerződés- és kereskedelmi jogi részlegének szervezőjeként tevékenykedett. Tagja az Amerikai Jogi Intézetnek, a Jogelméleti Tanácsadó Testületnek, az Amerikai Jogi Iskolák Szövetségének, az Amerikai Filozófiai Egyesületnek, valamint a New York-i és a virginiai bároknak.
A Föld és népei, II. Kötet: 1500 óta: globális történelem
A Föld és népei, II. Kötet: 1500 óta: globális történelem
A Columbia Egyetem Globális Gondolat Bizottsága, amelynek elnöke Joseph Stiglitz, a Nobel-díjas közgazdász, interdiszciplináris kutatásokra ösztönzi a globalizációt.
Paola Cossermelli Messina
Paola Cossermelli Messina
Paola Cossermelli Messina hangtervező és hangmérnök, olyan kutatási érdeklődéssel, amelyek a zene, a politika és a nemek kereszteződésébe esnek. A CUNY-Creative Arts Team programjának, a Sound Thinking NYC projektmenedzsereként a közelmúltban érdeklődést mutatott a zenei és technológiai munkája és az oktatási kezdeményezések közötti kapcsolatok iránt. B.A. a zenében
Nyári egyetemi kutatói ösztöndíj (SURF)
Nyári egyetemi kutatói ösztöndíj (SURF)
Az aszpirin és a warfarin ugyanolyan hatékony a legtöbb szívelégtelenségben szenvedő beteg esetében
Az aszpirin és a warfarin ugyanolyan hatékony a legtöbb szívelégtelenségben szenvedő beteg esetében
Sem az aszpirin, sem a warfarin nem jobb a halál, agyvérzés és az agyi vérzés együttes kockázatának megelőzésében normál szívritmussal rendelkező szívelégtelenségben szenvedő betegeknél - derült ki egy jelentős klinikai vizsgálatból, amelyet 2012. május 3-án publikáltak a New England Journal of Medicine. (Seamus) Thompson, PhD. A 10 éves warfarin és aszpirin a csökkent szívdobási frakcióért (WARCEF)