通俗統(tǒng)計之——如何計算統(tǒng)計功效（部分內(nèi)容受教于網(wǎng)絡(luò)，經(jīng)個人理解闡述于此，不限版權(quán)，盡管轉(zhuǎn)載） 1. 何為‘統(tǒng)計功效’？ 統(tǒng)計功效，是用來描述，在...
投稿
收錄了10篇文章 · 3人關(guān)注
-
統(tǒng)俗講義之——如何計算統(tǒng)計功效(Statistical Power)
-
GSEA 從數(shù)據(jù)到美圖0.輸入文件和R包 文件有兩個，一個是差異分析結(jié)果；一個是msigdb數(shù)據(jù)庫下載的gmt文件。 gsea要求的輸入數(shù)據(jù)格式是排序后的logFC值...
-
給女朋友寫的生統(tǒng)資料_Part14之前我們提到了如果做多次的假設(shè)檢驗，就要考慮多重比較矯正的問題了。那有沒有只用做一次檢驗就可以搞定的方法呢。其實是有的，就是方差分析（ANOVA...
-
ANOVA, Multiple comparison, Orthogonal contrast (1)最近文章被拒，原因是使用了錯誤的統(tǒng)計方法。我在文章中使用的是One-Way ANOVA，而編輯指出應(yīng)該改用Orthogonal contr...
-
混合設(shè)計方差分析 （Mixed-design ANOVA）
R語言學(xué)習(xí)資料搜集：原文鏈接 最近被各種ANOVA搞得頭暈，在這里稍微總結(jié)一下。 Mixed-degin ANOVA是什么？什么情況使用它？要了...
-
樸素貝葉斯分類器 Native Bayes貝葉斯方法把計算“具有某特征的條件下屬于某類”的概率轉(zhuǎn)換成需要計算“屬于某類的條件下具有某特征”的概率，屬于有監(jiān)督學(xué)習(xí)。樸素貝葉斯這種學(xué)習(xí)方法是...
-
應(yīng)用統(tǒng)計學(xué)與R語言實現(xiàn)學(xué)習(xí)筆記（九）——線性回歸
Chapter 9 Linear Regression 本篇是第九章，內(nèi)容是回歸分析（主要以線性回歸為主）?；貧w分析是數(shù)理統(tǒng)計、數(shù)理分析中最基礎(chǔ)...
-
組間差異檢驗，終于有人講清楚了!什么是組間差異檢驗？就是組間的差異分析以及顯著性檢驗，應(yīng)用統(tǒng)計學(xué)上的假設(shè)檢驗方法，檢驗組間是否有差異及其差異程度。坦率地講，所有的差異檢驗都基于...
-
假設(shè)檢驗p-value，F(xiàn)DR，q-value
一、p-value相關(guān) 0. 單個假設(shè)檢驗中主要依靠p值(或統(tǒng)計量t)做出是否拒絕零假設(shè)H0的決定：p-value和預(yù)先設(shè)定的檢驗水準(zhǔn)alpha...
-
【r<-高級|實戰(zhàn)|統(tǒng)計】R中的方差分析ANOVA方差分析主要通過F檢驗來進(jìn)行效果評測，若治療方案的F檢驗顯著，則說明檢驗樣本組間均值不同。 ANOVA模型擬合 從函數(shù)形式上看，ANOVA和回歸...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1854604/IMG_3836.JPG', '推薦專題《統(tǒng)計》（ 分享自 @簡書 ）','http://www.itdecent.cn/c/9316a85fd408?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認(rèn)gb2312'));){kind=link}