Метод Бенджамини-Хохберга
Материал из MachineLearning.
 (чт)  | 
				|||
| Строка 10: | Строка 10: | ||
===Метод Бенджамини-Хохберга===  | ===Метод Бенджамини-Хохберга===  | ||
| - | Это нисходящая процедура(по аналогии с методом Холма и методом Шидака-Холма) со следующими уровнями значимости  | + | Это нисходящая процедура(по аналогии с [[Метод Холма|методом Холма]] и методом Шидака-Холма) со следующими уровнями значимости  | 
::<tex>\alpha_1 = \frac{\alpha}{m}\:,\:\dots\:,\:\alpha_i = \frac{i\alpha}{m}\:, \:\dots\:, \:\alpha_m = \alpha</tex>  | ::<tex>\alpha_1 = \frac{\alpha}{m}\:,\:\dots\:,\:\alpha_i = \frac{i\alpha}{m}\:, \:\dots\:, \:\alpha_m = \alpha</tex>  | ||
Метод обеспечивает контроль над FDR на уровне <tex>\alpha</tex> при условии, что статистики <tex>T_i</tex> независимы или выполняется следующее свойство (PRDS on <tex>T_i,\: i \in M_0</tex>):  | Метод обеспечивает контроль над FDR на уровне <tex>\alpha</tex> при условии, что статистики <tex>T_i</tex> независимы или выполняется следующее свойство (PRDS on <tex>T_i,\: i \in M_0</tex>):  | ||
| Строка 33: | Строка 33: | ||
для проверки используем одновыборочный критерий Стьюдента.  | для проверки используем одновыборочный критерий Стьюдента.  | ||
| - | С поправкой Холма(метод Холма):  | + | С поправкой Холма([[метод Холма]]):  | 
::{| class="wikitable"  | ::{| class="wikitable"  | ||
|-  | |-  | ||
| Строка 95: | Строка 95: | ||
== См. также ==  | == См. также ==  | ||
[[Метод Холма]]  | [[Метод Холма]]  | ||
| + | |||
| + | [[Метод Бенджамини-Иекутиели]]  | ||
[[Категория:Прикладная статистика]]  | [[Категория:Прикладная статистика]]  | ||
[[Категория:Множественная проверка гипотез]]  | [[Категория:Множественная проверка гипотез]]  | ||
Версия 10:53, 6 февраля 2014
Метод Бенджамини-Хохберга — один из методов контроля ожидаемой доли ложных отклонений гипотез (FDR) который утверждает, что при определенных ограничениях на статистики гипотез  для достижения контроля FDR на уровне  
 достаточно, чтобы отвергались гипотезы 
, для которых 
, где 
 — количество гипотез.
Содержание | 
Определение
Пусть  — семейство гипотез, а 
 — соответствующие им достигаемые уровни значимости. Обозначим за 
 - число отвергнутых гипотез, а за 
 - число неверно отвергнутых гипотез, т.е. число ошибок первого рода.
Ожидаемая доля ложных отклонений гипотез, или FDR, определяется следующим образом
Контроль над FDR на уровне  означает, что
Метод Бенджамини-Хохберга
Это нисходящая процедура(по аналогии с методом Холма и методом Шидака-Холма) со следующими уровнями значимости
Метод обеспечивает контроль над FDR на уровне  при условии, что статистики 
 независимы или выполняется следующее свойство (PRDS on 
):
не убывает по
,
где  - множество индексов верных гипотез, 
 - произвольное возрастающее множество, то есть, такое, что из 
 и 
 следует 
Альтернативная постановка
Переходим к модифицированным достигаемым уровням значимости:
,
где  - 
-ый член вариационного ряда достигаемых уровней значимости
Пример
для проверки используем одновыборочный критерий Стьюдента.
С поправкой Холма(метод Холма):
Верных Неверных Всего Принятых 150 24 174 Отвергнутых 0 26 26 Всего 150 50 200 
С методом Бенджамини-Хохберга:
Верных Неверных Всего Принятых 148 4 152 Отвергнутых 2 46 48 Всего 150 50 200 
Реализации
- MATLAB: Benjamini and Hochberg/Yekutieli Procedure for Controlling False Discovery Rate - реализация на MathWorks.com
 -  R: функция 
p.adjust(с параметромmethod="BH") из стандартного пакетаstatsпозволяет получить модифицированные уровни значимости с учетом поправки метода Бенджамини-Хохберга. 
Ссылки
- Benjamini, Yoav; Hochberg, Yosef (1995). "Controlling the false discovery rate: a practical and powerful approach to multiple testing". of the Royal Statistical Society, Series B 57 (1): 289–300. MR 1325392.
 
- Hochberg, Y.; Benjamini, Y. (1990). "More powerful procedures for multiple significance testing". Statistics in Medicine 9 (7): 811–818. doi. PMID 2218183.
 

