거짓 발견율(FDR) 시뮬레이터

p < α이면 각 귀무가설을 기각합니다. 검정군 수준의 오류율은 통제하지 않습니다. 거짓 양성이 어떻게 누적되는지 보는 기준선으로 유용합니다.

Bonferroni는 p < α/m이면 기각합니다. 유효한 p값에 대해 의존 구조와 관계없이 FWER를 통제하지만 검정이 많으면 실제 효과를 놓칠 수 있습니다.

p값을 작은 순서로 정렬합니다. 순위 r을 α/(m−r+1)과 비교하고 처음 실패하면 멈춥니다. Holm은 임의의 의존 구조에서 FWER를 통제하며 Bonferroni가 기각한 것은 모두 기각합니다.

단일 임계값 1−(1−α)^(1/m)을 사용합니다. Šidák은 독립적인 검정에서 FWER를 통제하며 Bonferroni보다 조금 덜 보수적입니다.

Holm의 순차 하향 논리에 임계값 1−(1−α)^(1/(m−r+1))을 적용합니다. 이 시뮬레이션의 검정은 독립적입니다. 이 방법이 임의의 의존 구조에도 적용된다고 가정하지 마세요.

p(r) ≤ α/(m−r+1)을 만족하는 최대 순위 r을 찾아 r까지 모두 기각합니다. Hochberg는 독립성 또는 적절한 양의 의존 조건에서 FWER를 통제합니다.

Hommel은 Simes 검정에 기초한 폐쇄 검정 절차를 사용합니다. 독립성 또는 Simes 부등식을 뒷받침하는 조건에서 FWER를 통제하며 검정력은 Hochberg 이상이지만 계산 비용이 더 큽니다.

p(r) ≤ (r/m)q를 만족하는 최대 순위 r을 찾은 뒤 r까지 모두 기각합니다. Benjamini–Hochberg는 독립적인 검정과 일부 양의 의존 조건(PRDS)에서 FDR을 통제합니다.

q를 Hm = Σ(1/k), k = 1…m으로 나눈 값으로 BH를 실행합니다. Benjamini–Yekutieli는 임의의 의존 구조에서 FDR을 통제하지만 대개 검정력이 낮아집니다.

이 단순화한 탐색적 변형은 0.5보다 큰 p값의 비율로 π₀을 추정하고 q/π̂₀에서 BH를 실행합니다. 완전한 q값 구현이 아니며 유한 표본에서 보편적인 FDR 보장을 제공하지 않습니다.

이 탐색적 2회 실행 변형은 먼저 q에서 BH를 실행하고 m₀을 max(1, m−R₁)로 추정한 다음 q·m/m̂₀에서 BH를 실행합니다. BKY 절차가 아니며 그 절차의 유한 표본 보장을 갖는다고 제시하지 않습니다.