R语言 LPE包 mt.rawp2adjp.LPE()函数中文帮助文档(中英文对照)

loveR

mt.rawp2adjp.LPE(LPE)
mt.rawp2adjp.LPE()所属R语言包：LPE

                                        Adjusted p-values for simple multiple testing procedures
                                         调整后的P-值简单的多个测试程序

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function computes adjusted p-values for simple multiple testing procedures from a vector of raw (unadjusted) p-values. The procedures include the Bonferroni, Holm (1979), Hochberg (1988), and Sidak procedures for strong control of the family-wise Type I error rate (FWER), and the Benjamini & Hochberg (1995) and Benjamini & Yekutieli (2001) procedures for (strong) control of the false discovery rate (FDR).
此函数计算调整p多个测试程序简单，从原料（未经调整）p的值的向量值。该程序包括的邦弗朗尼，霍尔姆（1979），Hochberg（1988），和控制能力强的家庭明智的类型错误率（FWER），Benjamini的Hochberg（1995年）和Benjamini及Yekutieli（Sidak程序2001年）的程序（强）的错误发现率（FDR）的控制权。


用法----------Usage----------


mt.rawp2adjp.LPE(rawp, proc=c("Bonferroni", "Holm", "Hochberg", "SidakSS", "SidakSD", "BH", "BY"))



参数----------Arguments----------

参数：rawp
A vector of raw (unadjusted) p-values for each hypothesis under consideration. These could be nominal p-values, for example, from t-tables, or permutation p-values as given in mt.maxT and mt.minP. If the mt.maxT or mt.minP functions are used, raw p-values should be given in the original data order, rawp[order(index)].  
原料（未经调整）p假设所考虑的每个值向量。这可能是名义p值，例如，从T-表，或置换p值给出mt.maxT和mt.minP。如果mt.maxT或mt.minP使用功能，原料p值应在原始数据的顺序，rawp[order(index)]。


参数：proc
A vector of character strings containing the names of the multiple testing procedures for which adjusted p-values are to be computed. This vector should include any of the following: "Bonferroni", "Holm", "Hochberg", "SidakSS", "SidakSD", "BH", "BY".   
一个矢量字符的字符串包含多个测试程序调整p值计算的名称。这个向量应包括以下任何："Bonferroni"，"Holm"，"Hochberg"，"SidakSS"，"SidakSD"，"BH"，"BY" 。


Details

详情----------Details----------

Adjusted p-values are computed for simple FWER and FDR controlling procedures based on a vector of raw (unadjusted) p-values.
调整p值计算的简单FWER和原料（未经调整）p的值向量的基础上，FDR控制程序。




Bonferroni Bonferroni single-step adjusted p-values
邦弗朗尼邦弗朗尼单步调整p值




Holm Holm (1979) step-down adjusted p-values for
霍尔姆霍尔姆（1979年）降压调整p-值




Hochberg Hochberg (1988) step-up adjusted p-values for  strong control of the FWER (for raw (unadjusted) p-values
hochberg Hochberg（1988）升压调整p的FWER的控制能力强值（原始（未经调整）p的值




SidakSS Sidak single-step adjusted p-values for strong control of the FWER (for positive orthant dependent test
SidakSS Sidak单步p值调整控制能力强的FWER（积极orthant依赖测试




SidakSD Sidak step-down adjusted p-values for strong control of the FWER (for positive orthant dependent test
Sidak SidakSD降压调整p控制能力强的FWER值（积极orthant依赖测试




BH adjusted p-values for the Benjamini & Hochberg (1995) step-up FDR controlling procedure (independent and positive
波黑调整p的Benjamini Hochberg（1995）（独立和积极的一步了FDR的控制程序值




BY adjusted p-values for the Benjamini & Yekutieli (2001) step-up FDR controlling procedure (general dependency
表示调整后的p的Benjamini Yekutieli（2001）升压FDR控制程序（一般依赖值


值----------Value----------

A list with components
与组件列表


参数：adjp
A matrix of adjusted p-values, with rows corresponding to hypotheses and columns to multiple testing procedures. Hypotheses are sorted in increasing order of their raw (unadjusted) p-values.  
一个调整p值的矩阵，行相应的假设和列多个测试程序。假设是在越来越多的原料（未经调整）p值的顺序排序。


参数：index
A vector of row indices, between 1 and length(rawp), where rows are sorted according to  their raw (unadjusted) p-values. To obtain the adjusted p-values in the original data order, use adjp[order(index),].   
一个行指数的向量，介于1和length(rawp)，根据它们的原始（未经调整）p的值的行进行排序。要获得原始数据的顺序调整p值，使用adjp[order(index),]。


作者（S）----------Author(s)----------



Sandrine Dudoit, <a href="http://www.stat.berkeley.edu/~sandrine">http://www.stat.berkeley.edu/~sandrine</a>,<br>
Yongchao Ge, <a href="mailto:gyc@stat.berkeley.edu">gyc@stat.berkeley.edu</a>.




参考文献----------References----------

rate: a practical and powerful approach to multiple testing. J. R. Statist. Soc. B. Vol. 57: 289-300.<br>
rate in multiple hypothesis testing under dependency. Annals of Statistics. Accepted.<br>
hypothesis testing in microarray experiments.<br>
resampling-based <code>p</code>-value adjustment in multiple testing. <br>
significance, Biometrika. Vol. 75: 800-802.<br>
procedure. Scand. J. Statist.. Vol. 6: 65-70.

参见----------See Also----------

lpe
lpe


举例----------Examples----------


# Loading the library and the data[载入库和数据]
library(LPE)
data(Ley)

dim(Ley)
# Gives 12488*7 [给12488 * 7]
# First column is ID.[第一列是ID。]


# Subsetting the data[子集的数据]
subset.Ley <- Ley[1:1000,]

subset.Ley[,2:7] <- preprocess(subset.Ley[,2:7],data.type="MAS5")
  
# Finding the baseline distribution of condition 1 and 2.[寻找条件1和2的基准分配。]
var.1 <- baseOlig.error(subset.Ley[,2:4], q=0.01)
var.2 <- baseOlig.error(subset.Ley[,5:7], q=0.01)

# Applying LPE[应用液相外延]
lpe.result <- lpe(subset.Ley[,2:4],subset.Ley[,5:7], var.1, var.2,
                probe.set.name=subset.Ley[,1])
fdr.BH <- fdr.adjust(lpe.result, adjp="BH")

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。