statsmodels.stats.multitest.local_fdr¶

statsmodels.stats.multitest.local_fdr(zscores, null_proportion=1.0, null_pdf=None, deg=7, nbins=30, alpha=0)[source]¶

计算一组Z分数的局部错误发现率值。

Parameters:¶

zscoresarray_like

一个Z分数的向量

null_proportionfloat

假设为真的零假设的比例

null_pdffunction mapping reals to positive reals

空Z分数的密度；如果为None，则使用标准正态分布

degint

多项式展开中非零Z分数密度的最大指数

nbinsint

用于估计Z分数边际密度的箱数。

alphafloat

使用带有参数alpha的泊松岭回归来估计非空Z分数的密度。

Returns:¶

fdrarray_like

FDR值的向量

参考文献

B Efron (2008). 微阵列、经验贝叶斯和两组模型。统计科学 23:1, 1-22。

示例

基本用法（空Z分数被视为标准正态分布）：

>>> from statsmodels.stats.multitest import local_fdr
>>> import numpy as np
>>> zscores = np.random.randn(30)
>>> fdr = local_fdr(zscores)

使用从数据估计的高斯零分布：

>>> null = EmpiricalNull(zscores)
>>> fdr = local_fdr(zscores, null_pdf=null.pdf)