多重相关检验中错误发现率的控制算法

假设检验问题是通过比较p值和置信水平α的值来决定是否拒绝对应的假设,p<α时我们拒绝原假设。随着试验次数的增加,在所有满足零假设为真的p值集合中,数值较小的p值存在的可能性会增加,从而使得做出错误的判断,p值调整算法可以针对多重检验有效地缓解这类问题。本文讨论多重检验的p值调整算法的功效,模拟基因序列进行多重检验分析,产生2000个模拟量(即基因数量),重复实验1000次,得到1000组p值。对每组p值使用相应的调整算法得到新的p值,比较每个算法功效的优劣。模拟结果显示在我们所选用的5种p值调整算法中,q值方法(Storey 2003)能很好地控制错误发现率(FDR)的大小,同时具有更高的功效值。