p.adjust BY için yanlış değil. Referans, makaledeki Teorem 1.3'e (s.1182, Bölüm 5'deki kanıt) ilişkindir:
Benjamini, Y. ve Yekutieli, D. (2001). Bağımlılık altında çoklu testlerde yanlış keşif oranının kontrolü. İstatistiklerin Yıllıkları 29, 1165–1188.
Bu yazıda birkaç farklı düzenleme tartışıldığı için, p.adjust () için yardım sayfasındaki (yazı yazarken) yapılan referans biraz belirsizdir. Yöntemin, FDR'yi belirtilen oranda en genel bağımlılık yapısı altında kontrol etmesi garanti edilir. Christopher Genovese'in slaytlarında bilgilendirici yorumlar bulunmaktadır: www.stat.cmu.edu/~genovese/talks/hannover1-04.pdf BY 2001 makalesinde Teorem 1.3 yöntemine atıfta bulunan 37. slayttaki yorumu not ediniz [yöntem = 'BY' p.adjust ()] ile: "Maalesef, bu genellikle çok muhafazakar, bazen Bonferroni'den bile daha muhafazakâr."
Sayısal örnek: method='BY'
vsmethod='BH'
Aşağıdakiler, Benjamini ve Hochberg (2000) belgesindeki Tablo 2'deki 2. sütundan p değerleri için, R = p.adjust () işlevini kullanarak, yöntem = 'BY' yöntemini = 'BH' ile karşılaştırır:
> p <- c(0.85628,0.60282,0.44008,0.41998,0.3864,0.3689,0.31162,0.23522,0.20964,
0.19388,0.15872,0.14374,0.10026,0.08226,0.07912,0.0659,0.05802,0.05572,
0.0549,0.04678,0.0465,0.04104,0.02036,0.00964,0.00904,0.00748,0.00404,
0.00282,0.002,0.0018,2e-05,2e-05,2e-05,0)
> pmat <- rbind(p,p.adjust(p, method='BH'),p.adjust(p, method='BY'))
> rownames(pmat)<-c("pval","adj='BH","adj='BY'")
> round(pmat,4)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
pval 0.8563 0.6028 0.4401 0.4200 0.3864 0.3689 0.3116 0.2352 0.2096
adj='BH 0.8563 0.6211 0.4676 0.4606 0.4379 0.4325 0.3784 0.2962 0.2741
adj='BY' 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
[,10] [,11] [,12] [,13] [,14] [,15] [,16] [,17] [,18]
pval 0.1939 0.1587 0.1437 0.1003 0.0823 0.0791 0.0659 0.0580 0.0557
adj='BH 0.2637 0.2249 0.2125 0.1549 0.1332 0.1332 0.1179 0.1096 0.1096
adj='BY' 1.0000 0.9260 0.8751 0.6381 0.5485 0.5485 0.4856 0.4513 0.4513
[,19] [,20] [,21] [,22] [,23] [,24] [,25] [,26] [,27]
pval 0.0549 0.0468 0.0465 0.0410 0.0204 0.0096 0.0090 0.0075 0.0040
adj='BH 0.1096 0.1060 0.1060 0.1060 0.0577 0.0298 0.0298 0.0283 0.0172
adj='BY' 0.4513 0.4367 0.4367 0.4367 0.2376 0.1227 0.1227 0.1164 0.0707
[,28] [,29] [,30] [,31] [,32] [,33] [,34]
pval 0.0028 0.0020 0.0018 0e+00 0e+00 0e+00 0
adj='BH 0.0137 0.0113 0.0113 2e-04 2e-04 2e-04 0
adj='BY' 0.0564 0.0467 0.0467 7e-04 7e-04 7e-04 0
Σmi = 1( 1 / i )m
> mult <- sapply(c(11, 30, 34, 226, 1674, 12365), function(i)sum(1/(1:i)))
setNames (mult, yapıştır (c ('m =', rep ('', 5)), c (11, 30, 34, 226, 1674, 12365)))
m = 11 30 34 226 1674 12365
3.020 3.995 4.118 6.000 8.000 10.000
m