Bonferroni校正:如果在同一数据集上同时检验n个独立的假设,那么用于每一假设的统计显著水平,应为仅检验一个假设时的显著水平的1/n http://baike.baidu.com/view/1217813.htm?fr=aladdin Bonferroni校正法: 此方法是在进行两两比较时对检验水准进行调整的办法,但是该方法在比较的次数较多时,就不太适合,因为校正后的检验水准会过小.此时可采用sidark法进行多重比较(仍然是对检验水准进行调整). 统计学中一般以小概率作为判断差异是否显著

生物信息学-基因表达分析 为了丰富中心法则,研究人员使用不断更新的技术研究lncRNA的方方面面,其中技术主要是生物学上的微阵列芯片技术和表达数据分析方法,方方面面是指lncRNA的位置特征. Background:根据中心法则,发现DNA与RNA与protein之间的关系,此时认为找到的RNA全部用于编码protein,但是实验结果中:非编码RNA含量高,而coding区只占很少的一部分.研究非编码RNA,发现noncoding与protein expression有关,所以总思路变成了研究n

SPSS详细操作:样本均数间的多重比较 下面我们用例子来探讨:方差分析得出各组总体均数间的差异有统计学意义之后,如何进行样本均数间的多重比较. 一.问题与数据 为调查A.B.C三种治疗措施对患者谷丙转氨酶(ALT)的影响,某科室将45名患者随机分为三组,每组15人,分别采取A.B.C三种治疗措施,治疗后ALT水平(U/L)如下.试问应用三种治疗措施后,患者的ALT水平是否有差异?如果有差异,又是哪两个组间的ALT水平存在差异? 表1. 三组患者治疗后的ALT水平(U/L) 二.对数据结构的分析

sklearn实战-乳腺癌细胞数据挖掘(博主亲自录视频) https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share 医药统计项目联系:QQ231469242 # -*- coding: utf-8 -*- # Import standard packages impor

DAVID R. BRILLINGER 写的关于John的一片纪念文章 JOHN W. TUKEY: HIS LIFE AND PROFESSIONAL CONTRIBUTIONS  (The Annals of Statistics 2002, Vol. 30, No. 6, 1535-1575),

总结起来就三句话: (1)当同一个数据集有n次(n>=2)假设检验时,要做多重假设检验校正 (2)对于Bonferroni校正,是将p-value的cutoff除以n做校正,这样差异基因筛选的p-value cutoff就更小了,从而使得结果更加严谨 (3)FDR校正是对每个p-value做校正,转换为q-value.q=p*n/rank,其中rank是指p-value从小到大排序后的次序. 举一个具体的实例: 我们测量了M个基因在A,B,C,D,E一共5个时间点的表达量,求其中的差异基因,具体

Tukey法 在介绍Tukey方法前,首先了解学生化极差分布. 在概率论和统计学中,学生化极差分布是极差的抽样分布.该分布是一种连续型概率分布,用于在样本量较小且总体标准差未知的情况下估计正态分布总体的极差. 假设要比较的组数为k,那么在零假设成立的条件下,下面的随机变量服从学生化极差分布.

如何计算异常值 异常值就是和其他样本数据有显著差异的值.这个词在统计学中经常用到,可以表示数据异常或测量错误.明白算异常值的方法,对于正确理解数据非常有用,而且会引出更精确的结论.以下介绍一个很简单的算异常值的过程和方法. # 引用numpy模块 import numpy as np #求数组a的中位数 np.median(a) #求数组a的四分位数 np.percentile(a, [25, 50, 75]) 步骤   了解如何认出潜在异常值.计算之前先辨认数据中的潜在异常值.比如一列数据,表

参考: https://www.zhihu.com/question/38066650

sklearn实战-乳腺癌细胞数据挖掘(博客主亲自录制视频教程) https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share https://en.wikipedia.org/wiki/Omnibus_test Omnibus tests are a kind of st

sklearn实战-乳腺癌细胞数据挖掘(博客主亲自录制视频教程) https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share 医药统计项目联系:QQ231469242 #mental group1=[2,2,3,4,4,5,3,4,4,4]#physicalgroup2=

对于多于两组(k>2)样本均数的比较,t检验不再适用,方差分析(analysis of variance, ANOVA)则是解决上述问题的重要分析方法.方差分析由R.A.Fisher(1923)首先提出,故又称为F检验,其基本思想是将全部观测值的总变异按影响因素分解为相应的若干部分变异,在此基础上,计算假设检验的统计量F值,实现对总体均数是否有差别的推断. 完全随机设计的方差分析 随机区组设计的方差分析 多个样本均数的两两比较 根据方差分析的结果,若拒绝H0接受H1,则可以推断K组均数不全相同,

python机器学习-乳腺癌细胞挖掘(欢迎关注博主主页,学习python视频资源,还有大量免费python经典文章) https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share 项目合作QQ:231469242 Tukey等多重检验容易报错,数据结构不一致 TypeErr

A/B testing主要用来检测网站或者APP的两个版本中哪一个更好,它的中心思想是把流量一分为二,一份用作experiment group,访问新的版本,另一份用作control group,访问旧的版本. 假设现在有一个网站,要测试是否增大网页Register的字体,可以增加注册用户. 进行AB testing,首先要选择Unit of Diversion, 就是把实验分成两组的标准.在这个实验中,可以选择unique cookies to view the web page. 然后要选定

1.问题 (1)与软件学院相比,计算机科学更偏向理论研究,本系开设软件工程课程的意图是否是为了平衡理论与应用的比重? (2)Bug的定义根据开发者与使用者的分析角度不同,有着很大的区别,如何使开发者能够有效的感受使用者的角度,使软件更具人性化? (3)Coder和Hacker之间原则性的区别是什么? (4)面对代码量比较大的工程,如何做到有效的管理和控制? (5)在开发流程中,如何从“写了再改的模式”的模式中脱离出来? (6)P171页的算数题,团队用一半的速度完成了一般的总工作量,已经没有额外

数据结构 一.数据管理vector:向量 numeric:数值型向量 logical:逻辑型向量 character:字符型向量list:列表 data.frame:数据框 c:连接为向量或列表length:求长度subset:求子集 seq,from:to,sequence:等差序列 rep:重复 NA:缺失值 NULL:空对象 sort,order,unique,rev:排序 unlist:展平列表 attr,attributes:对象属性 mode,typeof:对象存储模式与类型 nam

转载自http://blog.jobbole.com/58246/ 快速傅里叶变换(Fast Fourier Transform)是信号处理与数据分析领域里最重要的算法之一.没有正规计算机科学课程背景的我,使用这个算法多年,但这周我却突然想起自己从没思考过为什么FFT能如此快速地计算离散傅里叶变换.我打开一本老旧的算法书,欣赏了JW Cooley 和 John Tukey 在1965年的文章中,以看似简单的计算技巧来讲解这个东西. 本文的目标是,深入Cooley-Tukey  FFT 算法,解释

统计学上分布有很多,在R中基本都有描述.因能力有限,我们就挑选几个常用的.比较重要的简单介绍一下每种分布的定义,公式,以及在R中的展示. 统计分布每一种分布有四个函数:d――density(密度函数),p――分布函数,q――分位数函数,r――随机数函数.比如,正态分布的这四个函数为dnorm,pnorm,qnorm,rnorm.下面我们列出各分布后缀,前面加前缀d.p.q或r就构成函数名:norm:正态,t:t分布,f:F分布,chisq:卡方(包括非中心) unif:均匀,exp:指数,wei

个人博客作业Week1 一.问题 通读<构建之法>我有一下几个问题 PM没有参与代码编如何进行管理. 软件工程师的职业资格考试对我们来说很有必要吗. 当我们为用户开发软件时我们需要了解用户群体的特性,这需要很多其他方面的知识,而作为开发人员的我们有必要亲自去做吗. 在团队开发中每个人都负责自己的模块,这样在整个项目调试的时候出问题的可能性就比较大,如何能使用最优化的方法去解决. 在团队中测试人员不参与代码编写,那么测试人员也需要是有很高的编程水平吗. 二. In 2000, Fred Shap

最近在摆弄数据离散度的时候遇到一种图形,叫做盒图(boxplot).它对于显示数据的离散的分布情况效果不错. 盒图是在1977年由美国的统计学家约翰·图基(John Tukey)发明的.它由五个数值点组成:最小值(min),下四分位数(Q1),中位数(median),上四分位数(Q3),最大值(max).也可以往盒图里面加入平均值(mean).如上图.下四分位数.中位数.上四分位数组成一个“带有隔间的盒子”.上四分位数到最大值之间建立一条延伸线,这个延伸线成为“胡须(whisker)”. 由于现