FDR / FWER
বহুবিধ তুলনা: FDR বনাম FWER
অনেক অনুমান পরীক্ষা করলে মিথ্যা পজিটিভের সুযোগ বাড়ে। সংশোধন কোনো ফলকে তাৎপর্যপূর্ণ বলার সীমা বদলায়। সঠিক তুলনায় ত্রুটি নিয়ন্ত্রণ ও প্রকৃত প্রভাব শনাক্তের ক্ষমতা দুটোই দেখতে হয়।
বহুবিধ পরীক্ষায় সংশোধন কেন দরকার
২০টি স্বাধীন শূন্য অনুমান সত্য হলে এবং α = 0.05 হলে, অন্তত একটি মিথ্যা পজিটিভের সম্ভাবনা 1 − (1 − 0.05)²⁰ ≈ 64%। প্রত্যাশিত মিথ্যা পজিটিভের সংখ্যা 20 × 0.05 = 1। এগুলো আলাদা পরিমাপ: একটি সম্ভাবনা, অন্যটি সংখ্যা।
মিথ্যা আবিষ্কারের হার কী?
FDR = E[V / max(R, 1)], যেখানে V মিথ্যা আবিষ্কারের সংখ্যা এবং R সব আবিষ্কারের সংখ্যা। পদ্ধতির শর্ত পূরণ হলে ৫% FDR লক্ষ্য বারবার করা পরীক্ষায় এই অনুপাতের গড় নিয়ন্ত্রণ করে। প্রতিটি তাৎপর্যপূর্ণ ফল মিথ্যা হওয়ার সম্ভাবনা ৫%—এর মানে তা নয়।
FWER কীভাবে আলাদা?
FWER = P(V ≥ 1): পরীক্ষার একটি পরিবারে অন্তত একটি মিথ্যা আবিষ্কার হওয়ার সম্ভাবনা। Bonferroni ও Holm-এর লক্ষ্য FWER; Benjamini–Hochberg-এর লক্ষ্য FDR। FWER নিয়ন্ত্রণ করলে FDR-এরও ঊর্ধ্বসীমা থাকে, তবে প্রায়ই কম প্রকৃত প্রভাব শনাক্ত হয়।
সমাধান করা উদাহরণ: Bonferroni বনাম BH
ক্রমে সাজানো পাঁচটি p-মান নিন: 0.001, 0.008, 0.039, 0.041, 0.300; এখানে α = q = 0.05। Bonferroni 0.05 / 5 = 0.01 ব্যবহার করে প্রথম দুটি অনুমান বাতিল করে। BH ক্রমগুলোর সঙ্গে 0.01, 0.02, 0.03, 0.04, 0.05 তুলনা করে। শর্ত পূরণ করা সর্বোচ্চ ক্রম 2, তাই BH-ও প্রথম দুটি বাতিল করে। শেষ p-মান 0.045 হলে BH পাঁচটিই বাতিল করবে: প্রথম ব্যর্থ ক্রম নয়, শর্ত পূরণ করা সর্বোচ্চ ক্রম ব্যবহার করুন।
সব ১১টি সংশোধন পদ্ধতি তুলনা করুন
সংশোধন ছাড়া
p < α হলে প্রতিটি শূন্য অনুমান বাতিল করুন। পরীক্ষার পরিবার পর্যায়ে ত্রুটি নিয়ন্ত্রণ নেই। মিথ্যা পজিটিভ কীভাবে জমে তা দেখার ভিত্তি হিসেবে এটি কাজে লাগে।
Bonferroni
Bonferroni p < α/m হলে বাতিল করে। বৈধ p-মানের জন্য যেকোনো নির্ভরতার কাঠামোতে এটি FWER নিয়ন্ত্রণ করে, কিন্তু অনেক পরীক্ষা হলে প্রকৃত প্রভাব বাদ পড়তে পারে।
Holm
p-মান ছোট থেকে বড় সাজান। ক্রম r-এর সঙ্গে α/(m−r+1) তুলনা করুন এবং প্রথমবার শর্ত ব্যর্থ হলে থামুন। Holm যেকোনো নির্ভরতায় FWER নিয়ন্ত্রণ করে এবং Bonferroni যা বাতিল করে অন্তত সেগুলোও বাতিল করে।
Šidák
একটি সীমা 1−(1−α)^(1/m) ব্যবহার করুন। Šidák স্বাধীন পরীক্ষায় FWER নিয়ন্ত্রণ করে এবং Bonferroni-এর তুলনায় সামান্য কম রক্ষণশীল।
Holm–Šidák
Holm-এর ধাপে ধাপে নামার নিয়মে 1−(1−α)^(1/(m−r+1)) সীমা ব্যবহার করুন। এই সিমুলেশনে পরীক্ষাগুলো স্বাধীন; পদ্ধতিটি যেকোনো নির্ভরতা সামলায় বলে ধরে নেবেন না।
Hochberg
p(r) ≤ α/(m−r+1) পূরণ করা সর্বোচ্চ ক্রম r খুঁজে r পর্যন্ত সব বাতিল করুন। Hochberg স্বাধীনতা বা উপযুক্ত ধনাত্মক নির্ভরতার শর্তে FWER নিয়ন্ত্রণ করে।
Hommel
Hommel, Simes পরীক্ষার ভিত্তিতে বন্ধ-পরীক্ষণ পদ্ধতি ব্যবহার করে। স্বাধীনতা বা Simes অসমতা প্রযোজ্য হওয়ার শর্তে এটি FWER নিয়ন্ত্রণ করে এবং Hochberg-এর অন্তত সমান ক্ষমতাশালী, তবে গণনায় বেশি ব্যয় হয়।
Benjamini–Hochberg
p(r) ≤ (r/m)q পূরণ করা সর্বোচ্চ ক্রম r খুঁজে r পর্যন্ত সব বাতিল করুন। Benjamini–Hochberg স্বাধীন পরীক্ষা ও নির্দিষ্ট ধনাত্মক নির্ভরতার শর্তে (PRDS) FDR নিয়ন্ত্রণ করে।
Benjamini–Yekutieli
q-কে Hm = Σ(1/k), k = 1…m দিয়ে ভাগ করে BH চালান। Benjamini–Yekutieli যেকোনো নির্ভরতায় FDR নিয়ন্ত্রণ করে, সাধারণত ক্ষমতা কমার বিনিময়ে।
Storey-ধাঁচের (অনুসন্ধানমূলক)
এই সরল অনুসন্ধানমূলক রূপ 0.5-এর বেশি p-মানের অনুপাত থেকে π₀ অনুমান করে, তারপর q/π̂₀-তে BH চালায়। এটি পূর্ণ q-মান বাস্তবায়ন নয় এবং সসীম নমুনায় সর্বজনীন FDR নিশ্চয়তা দেয় না।
অভিযোজিত BH (অনুসন্ধানমূলক)
এই অনুসন্ধানমূলক দুই-ধাপের রূপ প্রথমে q-তে BH চালায়, m₀-কে max(1, m−R₁) হিসেবে অনুমান করে, তারপর q·m/m̂₀-তে BH চালায়। এটি BKY পদ্ধতি নয় এবং তার সসীম-নমুনার নিশ্চয়তা আছে বলেও দাবি করা হয় না।
সাধারণ প্রশ্ন
এটি কি আমার p-মানের জন্য FDR ক্যালকুলেটর?
এটি শেখার জন্য সিমুলেটর, p-মান আপলোড করে হিসাব করার ক্যালকুলেটর নয়। এটি জানা প্রকৃত অবস্থা নিয়ে পরীক্ষা তৈরি করে, যাতে মিথ্যা আবিষ্কার ও বাদ পড়া প্রভাব দেখা যায়; বাস্তব তথ্য থেকে শুধু এগুলো সাধারণত জানা যায় না।
q-মান 0.05 হলে কি কেবল ৫% মিথ্যা পজিটিভের নিশ্চয়তা থাকে?
না। q = 0.05 লক্ষ্য পদ্ধতির শর্তের অধীনে আবিষ্কারগুলোর মধ্যে প্রত্যাশিত মিথ্যা অনুপাতের বিষয়। একক পরীক্ষায় মিথ্যা আবিষ্কারের অনুপাত বেশি বা কম হতে পারে।
কোন সংশোধন পদ্ধতি বেছে নেব?
আপনার গবেষণায় কোন ত্রুটি নিয়ন্ত্রণ করা দরকার তা ঠিক করুন। FWER পদ্ধতি পরীক্ষার পরিবারে যেকোনো মিথ্যা আবিষ্কারের ঝুঁকি সীমিত করে। FDR পদ্ধতি আবিষ্কারগুলোর মধ্যে মিথ্যা অংশের গড় নিয়ন্ত্রণ করে। ফল দেখার আগে নির্ভরতার শর্ত যাচাই করুন এবং অনুমানের পরিবার নির্ধারণ করুন।