使用MATLAB进行上述FDR校正

在MATLAB中，可以使用`mafdr`函数进行FDR校正。该函数的基本用法如下：

[fdr_q, fdr_p] = mafdr(p_values);

其中，`p_values`是原始的p值向量，`fdr_q`是校正后的q值向量，`fdr_p`是校正后的p值向量。

默认情况下，`mafdr`函数使用Benjamini-Hochberg方法进行FDR校正，并将校正后的p值和q值都返回。如果您只需要q值，可以设置第二个输出参数为0：

fdr_q = mafdr(p_values, 'BHFDR', 'true');

在这个示例中，我们显式指定使用Benjamini-Hochberg方法进行FDR校正，然后只返回校正后的q值。

如果您需要设置FDR阈值，可以使用`mafdr`函数的第三个输入参数，即期望的FDR阈值。例如，如果您需要将FDR阈值设置为0.05，可以这样使用`mafdr`函数：

fdr_q = mafdr(p_values, 'BHFDR', 'true', 'lambda', 0.05);

在这个示例中，我们将期望的FDR阈值设置为0.05，并使用默认的Benjamini-Hochberg方法进行FDR校正。

相关问题

matlab fdr校正

FDR（False Discovery Rate）校正是一种统计方法，用于控制多重假阳性的错误率。在MATLAB中，可以使用`mafdr`函数来执行FDR校正。

`mafdr`函数的语法如下：

[q, pi0 = mafdr(pvals)

其中，`pvals`是一个包含原始p-value的向量，`q`是经过FDR校正后的p-value向量，`pi0`是一个估计的零分布概率。

通过调用`mafdr`函数，你可以将原始的p-value向量转换为经过FDR校正的p-value向量。这样做可以帮助你在多个假设检验中控制错误率。

请注意，使用FDR校正时，你必须先进行多个假设检验，然后再对其进行校正。

matlab实现FDR校正

在Matlab中，可以使用自带的mafdr函数来实现FDR（False Discovery Rate）校正。当进行的t-test数量较多时，可以直接使用[FDR, Q] = mafdr(P)来进行校正。其中，P是原始的p值。这种情况下，会采用Storey procedure进行校正。但是需要注意的是，当p值的数量少于1000个时，Storey procedure可能会崩溃。在这种情况下，可以改用BH FDR方法来进行校正，即使用mafdr(P, 'BHFDR', true)。这种方法对于少量的t-test更加稳健，但是相对保守一些。因此，根据实际情况选择合适的FDR校正方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>