一、计算错误发现率
错误发现率（False Discovery Rate，FDR）是指拒绝所提出的虚无假设中实际上为真的比例。计算FDR所需具备两个先验条件：被拒绝的虚无假设为真的数量不超过总数的一部分α（通常α取0.05）以及总假设数目为N。FDR的计算公式为:FDR=qN/R，其中R为被拒绝的假设数，q为p值阈值。
def calculate_FDR(q, N, R):
return q * N / R
二、错误发现率的定义
错误发现率是指被判定为显著（可以拒绝虚无假设）的选项中实际上为无效（虚无假设为真）的比例。
三、错误发现率的意义
错误发现率是判断某个假设是否真实性的一种经典方法。在研究中，研究者提出假设并且进行检验，如果拒绝了所提出的虚无假设，通常认为存在一定的证据确证替代假定的新假设。但是，拒绝虚无假设本身就存在测试错误或发现为false positive的风险。因此，通过控制错误发现率，降低因测试错误而给实验带来的负面影响。
四、错误发现率越大风险越高
当研究者越来越倾向于探查越多的变量，那么假设的数量也逐渐增多，错误发现率也相应上升，从而会导致更多的错误发现。错误发现率越高，实验结果就越不可靠，这也就代表着更高的实验结果的风险，要通过一定的控制降低错误发现率，取得更加准确的实验结果。
五、错误发现率FDR与p值关系
对于某个给定的FDR，可以基于每个假设的p值进行独立调整，以使最终的初始假设集选取满足某个预定的FDR。因此FDR和p值存在必然的关联，p值在一定范围内升高，FDR也随之升高。
六、条件错误发现率
条件错误发现率指的是，当你的研究中，只有符合某些特定条件的子集才被视为一个显著的成果时，计算FDR可能更加复杂。在这种情况下可以使用条件错误发现率（FDR条件）。需要在样本总体数量、所属类别个数、特定条件下的显著发现个数等多个因素进行考量。
七、给药错误发生率
在医学研究领域，错误发现率常常用于评估诊断测试（例如给药）方法。诊断测试能够诊断出真实患病的人数以及实际非患者中被诊为患者的情况数目，给药错误发生率就是非患者中被诊为患者的比例的集合。
def calculate_MED(q, N, R):
return q * N / R
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/160658.html
微信扫一扫 
支付宝扫一扫 