关于组学分析中的各种P值的一些见解

说起P值,我们首先需要知道:

一. 什么检验方法能得到P值?

各种检验方法如:方差分析、卡方分布、t检验以及Z检验等

二. 检验方法是用来干什么的?

假设检验是用来判断样本与样本,样本与总体差异是由抽样误差引起还是本质差别造成的统计推断方法。其基本原理是先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受作出推断

三. 检验方法都有哪些:

方差分析、卡方检验以及t检验,一张图可以表述其具体分类:


各种检验方法一览.png

四. P值是如何得到的?

一个经典的卡方检验的例子就是:掷硬币(通过掷硬币验证硬币是否均匀)

1. 首先提出问题:

这枚硬币是否均匀?

2. 其次做出假设:

原假设H0:这枚硬币是均匀
备择假设H1:这枚硬币不均匀

3. 进行实验与验证:

我们进行了100次的投掷硬币实验,理论上应该是50次正面和50次反面。其中50则为期望值
但是经过我们的实验得出:
在100次的投掷硬币实验后,出现了40次正面和60次反面。其中40和60则为观测值

4. 可列2x2列联表:
2x2列联表
5. 用下面公式计算:

卡方值计算公式

最终得到:
X2= 4

6. 对照卡方分布表:
卡方分布表
7. 分析:

这个表怎么看呢?
其中两个最关键的量为:P以及n(自由度)
P表示:以0.05处为例,H0假设置信度为95%,即拒绝H0的概率为0.05。
根据以上实验结果有95%的把握认为这枚硬币是均匀。
n表示:Y类型的变量数-1(投掷硬币实验中为1)

8. 卡方分布表是怎么来的呢?

非常复杂。
ps:
卡方检验结果对应X2分布表
t检验结果对应t分布表
方差检验结果对应F分布表

五. 如何形象的理解各种检验?

本质上就是服从正态分布的样本落在正态分布区域内的概率性问题。**

双侧检验P值

X2分布,t分布,F分布这三个分布都是基于正态分布变形得到的,在实际中用来做假设检验
正态分布公式

发没发现X2,t,F的值的计算公式正态分布的标准公式非常相似?

六. 生信分析中的基因组、转录组、蛋白组以及代谢组中差异性结果中的P值都是根据什么检验方法得到的?

转录组、蛋白组以及代谢组普遍会用到的一个主流的检验方法就是t检验
这只是一种广义上的说法,当然针对没有重复样本的数据还存在别的方法

七. 生信分析差异性结果中的P值就可以衡量差异性结果的最终指标吗?

并不是,生信组学分析中得到P值往往是大规模数据的集合的P值,需要进行事后的多重假设检验。

数据分析流程

而假设检验的方法有很多,有严格的也有宽松的。(其中BH法最常用,BF法最严格
矫正P值的方法

不同的矫正方法对应不同的矫正后的P值的叫法

一些补充的见解和认识:

  1. 假设检验的根本是:比较两组或者多组数组之间的特征,通过两组数或多组数的分布来证明两组或者多组数是否一致。
  2. 比较两组或者多组数字,一定是比较的两组或者多组数字的总体,而我们只能通过抽样的样本来描述样本的整体。
  3. 最基本的分布为正态分布,其他的分布总可以变形转换为正态分布,所以在统计研究时首要研究的便是正态分布。
  4. 正态分布可以由两个值表示那就是两个特征值组成mean(平均数) 和离散值。
  5. 两组数若符合正态分布,且相同,那么均值与离差相同,反之只要证明均值不同,则说明两组数不同。

参考文章:

  1. https://www.sohu.com/a/298044185_100103806
  2. https://www.jianshu.com/p/4c9b49878f3d
  3. https://blog.csdn.net/weixin_39875181/article/details/78612348
  4. https://www.jianshu.com/p/807b2c2bfd9b
  5. https://zhuanlan.zhihu.com/p/334574642
  6. https://mp.weixin.qq.com/s?__biz=MzI3MTM3OTExNQ==&mid=2247483940&idx=1&sn=be08093540e43b2cbc386fc5a6e2d934&chksm=eac3fde0ddb474f65cdf50e0c14ec408eb796b7d3422f2c215b7fe5b32aa6790e2c281eeb835&scene=21#wechat_redirect
  7. https://www.jianshu.com/p/2f5d3f630445
  8. http://events.jianshu.io/p/c1036d39f2b9
  9. https://www.jianshu.com/p/5f94ae79f298
  10. https://zhuanlan.zhihu.com/p/133230688
  11. https://www.jianshu.com/p/c3cffe4a4e84
  12. https://www.bioinfo-scrounger.com/archives/541/
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,864评论 6 494
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,175评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,401评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,170评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,276评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,364评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,401评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,179评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,604评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,902评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,070评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,751评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,380评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,077评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,312评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,924评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,957评论 2 351

推荐阅读更多精彩内容