TwoSide.fixEffect(TrialSize)
TwoSide.fixEffect()所属R语言包：TrialSize
Two-Sided Tests with fixed effect sizes
与固定效应大小的双面测试
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Two-sided tests
双面测试
H0: delta_j = 0
H0：delta_j = 0
Ha: delta_j is not equal to 0
下：delta_j是不等于0的
用法----------Usage----------
TwoSide.fixEffect(m, m1, delta, a1, r1, fdr)
参数----------Arguments----------
参数：m
m is the total number of multiple tests
m是总数的多个测试
参数：m1
m1 = m - m0. m0 is the number of tests which the null hypotheses are true ; m1 is the number of tests which the alternative hypotheses are true. (or m1 is the number of prognostic genes)
M1 = M - M0。 m0是测试的虚无假设是真实的;货币供应量M1是多少替代的假设是真实的测试。 （或M1预后基因的数量）
参数：delta
delta_j is the constant effect size for jth test. delta_j=(E(Xj)-E(Yj))/sigma_j. Xij(Yij) denote the expression level of gene j for subject i in group 1( and group 2, respectively) with common variance sigma_j^2. We assume delta_j=0, j in M0 and delta_j >0, j in M1=effect size for prognostic genes.
delta_j是恒定的规模效应，为第j个测试。 ，delta_j（XJ）=（E-E（YJ））/ sigma_j。 XIJ（Yij）的主题，我在第1组（2组），分别表示基因j的表达水平与常见的变异sigma_j ^ 2。我们假设delta_j = 0，J在M0和delta_j> 0，M1 = j的效果大小预后基因。
参数：a1
a1 is the allocation proportion for group 1. a2=1-a1.
A1是第1组的分配比例。 a2表示1-α1。
参数：r1
r1 is the number of true rejection
r1是真正的排斥反应的数目
参数：fdr
fdr is the FDR level.
纪录器FDR级。
Details
详细信息----------Details----------
alpha_star=r1*fdr/((m-m1)*(1-fdr)), which is the marginal type I error level for r1 true rejection with the FDR controlled at f.
alpha_star = R1 * FDR /（（M-M1）*（1-FDR）），这是边缘型I误差控制在f R1真正拒绝与FDR水平。
beta_star=1-r1/m1, which is equal to 1-power.
beta_star = 1-r1/m1，这是等于1功率。
参考文献----------References----------
实例----------Examples----------
Example.12.2.3<-TwoSide.fixEffect(m=4000,m1=40,delta=1,a1=0.5,r1=24,fdr=0.01)
Example.12.2.3
# n=73[N = 73]
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。
|
发表于 2012-10-1 12:02:48
