Advertisement

fakenmc/pval_adjust：用于调整多重比较 p 值的 MATLAB 开发工具。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该脚本提供了一种用于修正多重比较的 p 值的功能，适用于 MATLAB 和 Octave 环境。它接受一组 p 值作为输入，并利用“holm”、“hochberg”、“hommel”、“bonferroni”、“BH”、“BY”、“fdr”、“sidak”或“无”这几种方法之一对这些 p 值进行调整。 此函数是 `p.adjust` R 函数的实现，其详细文档可参考 http://www.inside-r.org/r-doc/stats/p.adjust。 值得注意的是，与 R 函数不同，此脚本不具备处理缺失值的功能，并且增加了额外的校正方法“sidak”，该方法遵循维基百科上关于 Šidák 校正的描述（https://en.wikipedia.org/wiki/Šidák_correction）。 对于使用此脚本进行研究的用户，请务必引用 Fachada N, Rosa AC. (2018). micompm: A MATLAB/Octave Toolbox for Multivariate Independent Comparisons.

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • fakenmc/pval_adjust：针对多重比较进行p值调整-MATLAB开发
    优质
    pval_adjust是由MATLAB编写的工具箱，专门用于在统计分析中处理多重假设检验时对P值进行调整。此工具能够有效控制错误发现率或家庭-wise误差率，帮助研究人员准确解读大规模数据集中的显著性结果。 用于调整多重比较的 p 值的 MATLAB/Octave 函数。给定一组 p 值，返回使用以下几种方法之一调整后的 p 值：“holm”、“hochberg”、“hommel”、“bonferroni”、“BH”、“BY”、“fdr”、“sidak”或“无”。这是 R 语言中 p.adjust 函数的实现。与 R 函数不同，此函数不处理缺失值，并添加了一种额外的方法：“sidak”，如维基百科所述。如果您在研究中使用了该脚本，请引用以下论文：* Fachada N，罗莎 AC。（2018）。micompm：用于观察的多变量独立比较的 MATLAB/Octave 工具箱。
  • Pval_Adjust: 多个比较中的P值调整
    优质
    简介：Pval_Adjust方法用于统计分析中进行多重比较时调整P值，以控制错误发现率或家庭-wise误差率，提高推断结果的可靠性。 在统计分析过程中进行多个独立或相关的假设检验时，我们常常会遇到多重比较的问题。如果直接使用单一的显著性标准（如0.05），可能会增加假阳性的概率，即所谓的“多测试错误”。为了应对这一问题，需要对这些p值进行调整以控制这种误差。 `pval_adjust` 是一个在MATLAB和Octave环境中使用的工具，专门用来处理多重比较的问题。它提供了多种方法来校正p值，从而能够有效控制假发现率（False Discovery Rate, FDR）或确保家族错误率（Family-Wise Error Rate,FWER）。 1. **Bonferroni校正**：这是一种最保守的方法，适用于严格控制FWER的情形下。其基本思想是将初始的显著性水平α除以比较的数量，得到每个单独测试所需的p值阈值。例如，在进行5次独立检验且α=0.05的情况下，每次试验的临界p值将是 0.01。 2. **Sidak校正**：比Bonferroni稍微宽松一些，但同样考虑了多重比较的问题，并考虑到各测试间的关联性后提供调整后的p值。 3. **False Discovery Rate (FDR) 控制**：这是一种更灵活的方法，主要关注假阳性发现的比例。其中最常用的是Benjamini-Hochberg (BH) 算法。该算法对所有未校正的p值进行排序，并逐个接受那些小于或等于其秩乘以α/q（q是期望的最大FDR）的假设。 4. **其他方法**：`pval_adjust` 可能还包括其它校正方式，如Holm-Bonferroni、Hochberg、Hommel和Benjamini-Yekutieli等。这些方法在不同的程度上平衡了保守性和灵活性的需求。 使用MATLAB或Octave中的 `pval_adjust` 函数时，你需要提供原始的未调整过的 p 值向量，并选择适当的校正方式。该函数将返回经过调整后的p值向量，用于判断各个假设检验是否具有统计显著性意义。 在实际应用中，`pval_adjust` 经常被应用于基因表达数据分析、实验设计验证以及社会科学研究等领域，帮助研究者更准确地解读大量数据的比较结果，并避免由于多次测试而造成的偏差。
  • Holm-Sidak t 检验：多重比较的应用 - MATLAB开发
    优质
    本项目介绍并实现了Holm-Sidak t检验方法，用于在MATLAB中进行多重比较校正，有效控制假阳性的发现率。适合需要同时比较多个样本均值的研究者使用。 Student t 检验仅适用于比较两组数据。如果有 k 个组，则不能对每一对使用 t 检验，因为在每次检验都设定 alpha=0.05 的情况下，当实际上没有差异时，找到差异的概率会达到 k*0.05（根据邦费罗尼不等式）。Holm-Sidak 检验是一种逐步递减的拒绝方法，在此过程中按照 p 值从低到高的顺序对一组零假设应用接受或拒绝的标准。每次比较都依据 Sidak 校正来设置 Bonferroni 不等式的 alpha 值。由于这个函数使用 TCDF 函数，所以需要 Statistics Toolbox 的支持。
  • 邓恩检验：多重非参数比较的邓恩方法-MATLAB开发
    优质
    本项目提供了一种实现邓恩检验的方法，这是一种用于进行多重非参数比较的有效统计手段。通过MATLAB编程语言，用户可以方便地对实验数据进行分析，尤其是在需要评估多个样本间秩差异的情况下。该工具支持批量处理和结果可视化，适用于科研及数据分析领域专业人士使用。 Dunn 检验是 Holm-Sidak 多重 t 检验的一种非参数替代方法。当您使用 Kruskal-Wallis 检验确定各组间存在差异后，由于总体误差大于 alpha（根据邦费罗尼不等式），不能直接对每一对进行 KWtest。而通过 Dunn 的测试，则可以利用多重比较来突出显示具体哪些组之间存在显著差异。该算法需要使用统计工具箱。
  • MATLAB开发——多组比较的Bonferroni-Holm校正公式
    优质
    本文章介绍了如何在MATLAB中实现Bonferroni-Holm校正方法，用于调整多重假设检验中的p值，确保统计显著性结论的有效性和可靠性。 在MATLAB开发过程中使用Bonferroni-Holm方法调整多个比较的P值族，以控制错误拒绝的概率。
  • 多重比较的方差分析
    优质
    《多重比较的方差分析》是一篇探讨统计学中用于处理多个样本均值间差异显著性检验方法的文章。文中详细介绍了如何在进行方差分析后，进一步执行多重比较测试以识别特定组间的区别。 介绍几种常用的方差分析多重比较方法：LSD（最小显著差异法）、LSR（最小显著范围法）等等。
  • HDF5TOOLS：多用途的HDF5工具- MATLAB开发
    优质
    HDF5Tools是一款专为MATLAB设计的强大实用程序集合，用于高效处理和分析HDF5数据文件。它提供了丰富的功能来创建、修改和读取HDF5文件，大大简化了复杂的数据管理任务。 用于 HDF5 文件的命令行实用程序包括： - H5DUMP：将元数据转储到屏幕。 - H5VARGET：读取 HDF5 数据集。 - H5VARPUT：将数据写入 HDF5 数据集。 - H5ATTGET：读取 HDF5 属性。 - H5ATTPUT：写入 HDF5 属性。 - H5FILECREATE：创建 HDF5 文件。 - H5DATACREATE：创建 HDF5 数据集。 - H5PROPINFO：检索属性图像信息。
  • 调整图例线长度的工具：LegendShrink - MATLAB开发
    优质
    LegendShrink是一款MATLAB插件，用于便捷地调整图形图例中线条的显示长度，优化图表美观度与信息清晰度。 从大约 2014 年开始的 Matlab 版本不再支持直接访问图例中的元素，因此旧代码将无法正常运行。legendshrink 函数通过缩短线条长度来减小图形图例占用的水平空间（关闭图例框时效果最佳）。这对于较小图表尤为重要，因为线宽是固定的常量，并不随图形物理尺寸变化而调整。此功能仅适用于垂直排列的图例。
  • BeyondCompare_Xp580比较工具
    优质
    Beyond Compare Xp580是一款强大的文件和目录比较工具，能够帮助用户高效地识别差异并进行同步。它界面友好、功能全面，适用于软件开发人员及各类需要管理大量数据的专业人士。 一款非常实用的对比工具，能够帮助用户识别文件及文件夹之间的差异性。