statsmodels.stats.multitest.fdrcorrection¶

statsmodels.stats.multitest.fdrcorrection(pvals, alpha=0.05, method='indep', is_sorted=False)[source]¶

p值校正用于错误发现率。

这涵盖了适用于独立或正相关测试的Benjamini/Hochberg方法，以及适用于一般或负相关测试的Benjamini/Yekutieli方法。

Parameters:¶

pvalsarray_like, 1d

单个测试的p值集合。

alphafloat, optional

族错误率。默认为 0.05。

method{‘i’, ‘indep’, ‘p’, ‘poscorr’, ‘n’, ‘negcorr’}, optional

用于FDR校正的方法。 {'i', 'indep', 'p', 'poscorr'} 均指 fdr_bh （适用于独立或正相关测试的Benjamini/Hochberg方法）。{'n', 'negcorr'} 均指 fdr_by （适用于一般或负相关测试的Benjamini/Yekutieli方法）。 默认为 'indep'。

is_sortedbool, optional

如果为 False（默认），p_values 将被排序，但校正后的 pvalues 将保持原始顺序。如果为 True，则假设 pvalues 已经按升序排序。

Returns:¶

rejectedndarray, bool

如果假设被拒绝则为真，否则为假

pvalue-correctedndarray

p值经过多重假设检验调整以限制FDR

另请参阅

multipletests

注释

如果有关于真实假设比例的先验信息，那么alpha应该设置为alpha * m/m_0，其中m是给定的p值的测试数量，m_0是真实假设的估计值。（参见Benjamini, Krieger和Yekuteli）

Benjamini、Krieger 和 Yekutiel 的两步法将很快可用，该方法用于估计假假设的数量。

此函数公开的两种方法（Benjamini/Hochberg、Benjamini/Yekutieli）也可以在函数multipletests中使用，分别为method="fdr_bh"和method="fdr_by"。