R语言 KCsmart包 findSigLevelFdr()函数中文帮助文档(中英文对照)

loveR

findSigLevelFdr(KCsmart)
findSigLevelFdr()所属R语言包：KCsmart

                                         This function has not been properly implemented yet
                                         此功能还没有得到正确实施

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Method to find the cutoff at which gains and losses are considered significant using permutations
方法找到盈亏被认为是显着的使用排列截止


用法----------Usage----------


findSigLevelFdr(data, observedSpm, n = 1, fdrTarget=0.05, maxmem=1000)



参数----------Arguments----------

参数：data
aCGH data in the same format as used for 'calcSpm'  
aCGH在相同的格式数据用于calcSpm


参数：observedSpm
A sample point matrix as produced by 'calcSpm'
一个由“calcSpm制作的采样点矩阵


参数：n
Number of permutations  
排列数


参数：fdrTarget
Target False Discovery Rate (FDR)  
目标错误发现率（FDR）


参数：maxmem
This parameter controls memory usage, set to lower value to lower memory consumption  
此参数控制内存的使用，设置为较低的值，以较低的内存消耗


Details

详情----------Details----------

The number of permutations needed for reliable results depends on the data and can not be determined beforehand. As a general rule-of-thumb around 100 permutations should be used for 'quick checks' and around 2000 permutations for more rigorous testing.  The FDR method is less conservatie than the p-value based approach since instead of controlling the family wise error rate (FWER, P(false positive > 1)) it controls the false discovery rate (FDR) (false positives / total number of called data points).
可靠的结果，需要置换的数量取决于数据并不能事先确定。作为一般规则的拇指约100排列，应使用“快速检查”，更严格的测试，在2000年左右排列。 FDR方法是小于p值基础的方法，而不是控制家庭明智的错误率（FWER P（假阳性> 1））控制错误发现率（FDR）（误报/总数自conservatie所谓的数据点）。


值----------Value----------

A list with the cutoffs corresponding to the given FDR
给FDR相应的截止名单


参数：pos
The cutoff for the gains
截止收益


参数：neg
The cutoff for the losses'
截止的损失


作者（S）----------Author(s)----------


Jorma de Ronde



参见----------See Also----------

plotScaleSpace
plotScaleSpace


举例----------Examples----------


data(hsSampleData)
data(hsMirrorLocs)

spm1mb <- calcSpm(hsSampleData, hsMirrorLocs)

sigLevel1mb <- findSigLevelTrad(hsSampleData, spm1mb, n=3)

plot(spm1mb, sigLevels=sigLevel1mb)
plotScaleSpace(list(spm1mb), list(sigLevel1mb), type='g')

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。