Bonferroni校正:如果在同一数据集上同时检验n个独立的假设,那么用于每一假设的统计显著水平,应为仅检验一个假设时的显著水平的1/n

http://baike.baidu.com/view/1217813.htm?fr=aladdin

Bonferroni校正法:

此方法是在进行两两比较时对检验水准进行调整的办法,但是该方法在比较的次数较多时,就不太适合,因为校正后的检验水准会过小。此时可采用sidark法进行多重比较(仍然是对检验水准进行调整)。

统计学中一般以小概率作为判断差异是否显著的标准,通常都以0.05或0.01作为判断标准。在多重比较中, bonferroni是以t分布作为检验分布的,但多重比较时若均以0.05作为小概率的话,每次比较就会有5%犯一型错误的可能。但如果有n次比较,如有4个组要做6次比较,则有C6(2)*5%一型错误发生的概率,不符合小概率判断的原则。因此,bonferroni中,将小概率0.05或0.01除以要比较的次数n,作为判断显著性的小概率,这样,多重比较总的一型错误发生的概率不会超过0.05或0.01。

控制累积Ⅰ类错误概率增大的方法
采用Bonferroni法,SNK法和Tukey法等方法
累积Ⅰ类错误的概率为α'
当有k个均数需作两两比较时,比较的次数共有c= = k!/(2!(k-2)!)=k(k-1)/2
设每次检验所用Ⅰ类错误的概率水准为α,累积Ⅰ类错误

Bonferroni校正法相关推荐

  1. 多重假设检验:Bonferroni 和 FDR

    在进行生物统计学的计算过程中,P值是需要进行校正的.因为P值的阈值是人为规定的,无论是多小的P值,也仅仅能代表结果的低假阳性,而非保证结果为真.即使P值已经很小(比如0.05),也会被检验的总次数无限 ...

  2. 知识小结------数据分析------Bonferroni correction(邦费罗尼校正)

    系列文章目录 Cox比例风险回归模型(proportional hazards model) 知识小结------数据分析------Fisher's exact test(费希尔检测) Bonfer ...

  3. FDR错误发现率-P值校正学习

    转自:https://baike.baidu.com/item/FDR/16312044?fr=aladdin  https://blog.csdn.net/taojiea1014/article/d ...

  4. rda冗余分析步骤_FEMS Microbiol Ecol |微生物生态学中的多变量分析

    [论文题目]Multivariate analyses in microbial ecology [期刊名称]FEMS Microbiology Ecology, 2007, 62:142-160 [ ...

  5. Science:工具使用和语言句法在基底神经节共享计算机制和神经表征

    在语言和其他认知计算研究过程中的一个重要问题是:工具使用是否与语言的句法加工共享计算过程?因为,使用工具的行为可以被认为是给运动计划增加了一个层级结构.而在语言领域,句法加工相互依赖的语言基本元素(即 ...

  6. 正交实验进行方差分析

    一.案例介绍 想要从某种草药中提取植物酚,利用专业知识发现可能有三个条件会影响植物酚的提取,每个条件有三个水平,想要通过实验,寻找植物酚的最佳提取条件,其中提取植物酚的参考标准为植物酚的含量(案例数据 ...

  7. 差异表达分析之FDR

    差异表达分析之FDR 随着测序成本的不断降低,转录组测序分析已逐渐成为一种很常用的分析手段.但对于转录组分析当中的一些概念,很多人还不是很清楚.今天,小编就来谈谈在转录组分析中,经常会遇到的一个概念F ...

  8. p-value矫正方法

    几个同义词概念 p-value:常用的统计学显著性检验指标,衡量一次检验假阳性率的指标(False positive rate) : Q value:调整后p-value,衡量错误发现率的指标(Fal ...

  9. 什么是机器人的五点校正法_样品定量检测怎样选择内标法和外标法!

    食品实验室服务 关注了解更多知识! 色谱分析的重要作用之一是对样品定量.而色谱法定量的依据是:组分的重量或在载气中的浓度与检测器的响应信号成正比.常见定量分析方法分为面积归一化法.内标法.外标法.标准 ...

最新文章

  1. 每个java程序都至少有一个线程给主线程,java程序在主线程中判断各个子线程状态的操作,该如何解决...
  2. SCAPY pcap文件数据分析 python3
  3. php 编程祝新年快乐_AnyCodes:免费的在线编程神器
  4. Akka的Hello World(一)Akka的Actor架构
  5. 构建高可用服务器之 Keepalive参数详解
  6. file.getpath_Java中File的getPath(),getCanonicalPath()和getAbsolutePath()之间的区别...
  7. django xadmin出现的问题
  8. python杨辉三角_yiduobo的每日leetcode 118.杨辉三角 amp;amp; 119.杨辉三角II
  9. python写软件测试用例_Python单元测试框架unittest:单个测试用例编写步骤及实例...
  10. Python小白的数学建模课-03.线性规划
  11. java 可以直接当自定义标示符_第2章 Java基本语法.ppt
  12. 渐进式Web应用(PWA)入门教程(下)
  13. Win XP 经典壁纸拍摄地 24 年后变样了
  14. 微信投票python脚本_微信刷票Python脚本教程
  15. 计算机图形学坐标系的作用,坐标系的概念和坐标系之间的变换
  16. 软件测试的基础知识(四)
  17. These songs can cheer you up when life gets hard
  18. 2022-2028全球房地产众筹平台行业调研及趋势分析报告
  19. 深度学习究竟是什么,举个例子解释一下
  20. 淘宝总裁蒋凡:今年双11淘宝推荐流量超过了搜索流量

热门文章

  1. DDL(数据定义语言)讲解
  2. 【大数据分析】2021“秋招”毕业生求职的网络舆论关注度分析
  3. StringBuffer 拼接字符串时,删除最后一个逗号
  4. StringBuilder 拼接去掉最后一个逗号
  5. 三种批量插入数据的方法
  6. maven阿里云仓库
  7. 芝麻信用免押金成趋势 报告称租赁经济有望突破10万亿元
  8. cas19660-77-6/Chlorin E6/二氢卟吩 E6;meso-四(4-甲基-3-磺酸苯基)卟啉[简称T(4-MP)PS4];碘化四(4-三甲氨基苯基)卟啉(TTMAPPI)齐岳定制
  9. 简单JS小案例:五星好评
  10. 安卓4G/5G无线图传终端(单兵执法记录仪、智能安全帽、头盔摄像头)常见问题