[機統] 偽發現率與族向誤差率
偽發現率(false discovery rate, FDR)和族向誤差率
(familywise error rate, FWER)的關係是前者不大於後者。
FDR <= FWER
上述不等式在所有局部零假設皆為真時很容易證明二者相等。
但是一般狀況下如何證明?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.205.52 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1743416860.A.FD5.html
相關變數如下面連結所給的圖檔顯示者
https://imgur.com/a/Wd9q51O
FDR = E{ V/( V + S ) }*P{ R > 0 } = E{ V/R }*P{ R > 0 }, R > 0
= 0, R = 0
FWER = P{ V >= 1 }
麻煩在於兩個機率函數不知道怎麼比較。
※ 編輯: saltlake (114.36.205.52 臺灣), 04/01/2025 00:01:02
推
04/01 07:51,
9月前
, 1F
04/01 07:51, 1F
這部分為何可以如此設定?
→
04/01 07:52,
9月前
, 2F
04/01 07:52, 2F
→
04/01 07:53,
9月前
, 3F
04/01 07:53, 3F
E(I) 為何會等於 P(V>=1)?
無論如何，目的是要把 FDR 和 P( V >= 1 ) 拉關係
然後 FDR = E( V/( V + S ) ) = E( V/R )
另方面，圖檔顯示的其實就是混淆矩陣，因此有
TNR = U/( U + V ), FPR = V/( U + V )
FNR = T/( T + S ), TNR = S/( T + S )
但是 P( V >= 1 ) = E( FPR ) = E( V/( U + V ) )?
這樣看來， FDR 和 P( V >= 1 ) 除了分子相同，分母完全不同。
而且分母的變數分別屬於(上下兩列的)不同類事件，到底怎拉上關係?
※ 編輯: saltlake (114.36.205.52 臺灣), 04/02/2025 11:13:55
→
04/02 13:11,
9月前
, 4F
04/02 13:11, 4F
→
04/02 13:12,
9月前
, 5F
04/02 13:12, 5F
→
04/02 13:15,
9月前
, 6F
04/02 13:15, 6F
→
04/02 13:16,
9月前
, 7F
04/02 13:16, 7F
→
04/02 13:17,
9月前
, 8F
04/02 13:17, 8F
即便如此，和你上面第一行的設定有何關係? 或者說，為何會新跑出變數 I?
而 I 的期望值又為何就是 V 大於零的機率?
一次多重測試的所有可能結果，那是四個變數之和? 即 U+V+T+S ?
※ 編輯: saltlake (114.36.209.210 臺灣), 04/04/2025 00:36:27
→
04/04 08:28,
8月前
, 9F
04/04 08:28, 9F
→
04/04 08:30,
8月前
, 10F
04/04 08:30, 10F
→
04/04 08:31,
8月前
, 11F
04/04 08:31, 11F