多重检验中的FDR(false discovery rate, 错误发现率)是什么?

  统计/机器学习 假设检验    浏览次数: 3978
5

多重检验中的一概念叫做FDR,False Discovery Rate,中文叫做错误发现率,这个具体是什么,怎么计算的?和多重检验什么关系?看了百度百科和维基百科都没看懂...

 

Steven0612   2017-04-02 12:19



   2个回答 
16

假如我们进行了一个有$m$个零假设的多重假设检验,我们拒绝了其中的$R$个假设,在这$R$个假设中又有$T_1$个假设是被我们错误地拒绝了,也就是说有$T_1$个Type I error。FDR的定义如下

$$FDR=\mathbb{E}\left(\frac{T_1}{\max\{R,1\}}\right).$$

如果$FDR<\alpha$,我们就说这个多重检验的FDR被控制在了$\alpha$水平。

清风   2017-04-03 05:23

错误发现率,字面上,就是错误拒绝的比例。 - 清风   2017-04-03 05:24
6

FDR就是错误发现率,在二元分类中,比如你的算法“发现”了10个阳性,实际上其中3个你搞错了,FDR=0.3

$$FDR=\frac{FP}{TP+FP}=1-Precision=1-PPV$$


道画师   2017-12-11 23:34



  相关主题

单侧T检验p值与双侧T检验p值的关系   1回答

配对T检验和两样本T检验是一回事么?   1回答

F检验的使用场景   3回答

t检验,需要测试集验证集吗?   3回答

z test和t test什么区别?   1回答

如何从假设检验的角度去理解AB testing   2回答

假设检验的效力是什么?   1回答

假设检验中的p值是什么意思?为什么越小越好?   2回答

python里用F检验来比较方差   1回答

多因素方差分析   0回答

Python单侧T检验   1回答

回归中的p value怎么理解?   1回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!