t检验中对p值进行fdr校正的步骤

在进行t检验后，如果你希望对p值进行FDR（False Discovery Rate）校正，可以按照以下步骤进行：

1. 收集t检验的所有p值。
2. 将这些p值按升序进行排序。
3. 计算每个p值对应的FDR校正后的阈值，可以使用Benjamini-Hochberg方法来计算。具体计算步骤如下：
- 首先，确定你希望的期望错误发现率（FDR阈值），通常为0.05。
- 然后，计算每个p值对应的调整后的阈值，使用以下公式：调整的阈值 = (i / n) * FDR阈值 / c
其中，i是排序后的p值的位置（从1开始），n是总的p值数量，c是排序后的p值的位置与p值的乘积的总和。
- 注意：如果计算得到的调整阈值大于1，则将其设置为1。
4. 比较每个p值与其对应的调整阈值。如果某个p值小于等于其对应的调整阈值，则认为该结果是显著的。
5. 对于通过FDR校正显著的结果，你可以标记它们或进一步分析。

通过这些步骤，你可以对t检验的p值进行FDR校正，并控制错误发现率，以获得更可靠的结果。

相关问题

t检验中用fdr校正后的p值如何判断显著性

在 t检验中使用FDR（False Discovery Rate）校正后的p值来判断显著性时，通常会将校正后的p值与事先设定的显著性水平进行比较。FDR校正可以控制在多重假设检验中出现的错误发现的比例。

一种常见的方法是将校正后的p值与预先设定的阈值（如0.05）进行比较。如果校正后的p值小于阈值，则可以认为该差异是显著的，即存在统计学上的显著差异。反之，如果校正后的p值大于等于阈值，则不能拒绝原假设，即不能认为存在显著差异。

需要注意的是，FDR校正仍然可能存在一定程度的错误发现，并且只能控制整体错误率，而无法保证每个单独的假设都是正确的。因此，在使用FDR校正后的p值进行显著性判断时，仍需谨慎解释结果并结合实际背景知识进行分析。

fdr校正是在t检验的基础上做的吗

是的，FDR（False Discovery Rate）校正是在t检验的基础上进行的。在进行多重假设检验时，使用t检验可能会产生大量的假阳性（即错误拒绝原假设），这可能会导致错误的科学发现。为了控制这种错误发现的比例，可以应用FDR校正方法。FDR校正是一种统计方法，它可以控制在拒绝原假设时所产生的假阳性比例。通过对p值进行调整，FDR校正可以平衡拒绝原假设的力度和错误发现的比例，从而更准确地进行统计推断。