Поправка Бонферрони или FDR Опции

[vas]

Здравствуйте! У меня вопрос по поводу множественного сравнения. А конкретно, по поправке Бонферрони.

Как он считается? Я p делю на количество групп сравнения или на общее количество тестов? Вот допустим, у меня работа по полиморфизмам SNP, т.е есть индивиды с тремя генотипами, и они сравниваются между собой по 11 показателям. Мне делить p на 3 или на 33??? Или на 11?
И еще вопрос. Его мне применять ко всему исследованию или только к 1 полиморфизму???

Еще хотелось бы узнать преимущества FDR (False discovery rate) контроля. И про возможность его использования вместо поправки Бонферрони.

PS Читал нижний топик про тест Крускалл-Валлиса, но не совсем понял. Вот если я сравниваю три группы индивидов, и нахожу значимое различие по какому-нибудь показателю, то могу судить лишь о том, что они различаются между собой??? НО не могу, допустим, судить о том как они различаются.

Сообщение отредактировал vas - 30.09.2013 - 06:37

[psychologist]

nokh, можно вас попросить пояснить почему мы 80*80 , а потом вычитаем 80?
Вот про разведочный анализ что-то слышал. Где о нем можно почитать с примерами. Метрическое шкалирование, вы имеете многомерное?
Самая главная ошибка в планирование исследований, это мало дается денег для мотивации испытуемых. Если вообще дается(

[100$]

Метрическое шкалирование, вы имеете многомерное?

Псюхологист, с вашего позволения несколько уточнений косметического характера.

Ну, во-первых, никакого одномерного шкалирования и не бывает. Так что, конечно, многомерное.

Во-вторых, метрическое шкалирование Торгерсона (1952)-это исторически первая доведенная до ума техника. Однако, что в факторном анализе, что в МШ самый цимес-это возможность повращать оси полученного решения, в целях улучшения его интерпретируемости. Так что ваш случай (принимая во внимание размерность вашего признакового пространства) - это как раз НЕметрическое шкалирование Краскела (1964) и Гутмана (1968). Разумеется, размерность признакового пространства не мешало бы подскоратить. Даже проф. статпакет матрицу 80x80 может мусолить довольно долго. А потом получить вырожденное решение.
Но это, опять же, к слову. Можете не обращать внимания.

[p2004r]

Разумеется, размерность признакового пространства не мешало бы подскоратить. Даже проф. статпакет матрицу 80x80 может мусолить довольно долго. А потом получить вырожденное решение.

это серьезно? даже древний StatGraph в 1988 на 286 с 1 мегабайтом ОЗУ считал 150х150 PCA

Стандартная материнка (это 16 ГБайт ОЗУ) позволяет сделать svd разложение матрицы 32000х32000. Если взять программное распределяющее (не в режиме полного копирования обращаемой матрицы) вычисление на кластер, то для редукции размерности доступны хоть пентабайтные размеры данных (сколько суммарно физической памяти есть в машинах, такой размер и можно обращать).

PS Всё это посильно для обычного исследователя.

[100$]

это серьезно? даже древний StatGraph в 1988 на 286 с 1 мегабайтом ОЗУ считал 150х150 PCA

Стандартная материнка (это 16 ГБайт ОЗУ) позволяет сделать svd разложение матрицы 32000х32000. Если взять программное распределяющее (не в режиме полного копирования обращаемой матрицы) вычисление на кластер, то для редукции размерности доступны хоть пентабайтные размеры данных (сколько суммарно физической памяти есть в машинах, такой размер и можно обращать).

PS Всё это посильно для обычного исследователя.

Это хорошие новости