Questions tagged «combining-p-values»

我最近了解了费舍尔组合p值的方法。这是基于该空下p值遵循均匀分布，并且该事实 ，我认为是天才。但是我的问题是为什么要走这种令人费解的方式？为什么不使用p值的均值并使用中心极限定理（这有什么问题）？或中位数？我试图了解RA费舍尔这个宏伟计划背后的天才。− 2 ∑我= 1ñ日志X一世〜χ2（2 n ）， 给定 X〜UNIF （0 ，1 ）−2∑i=1nlog⁡Xi∼χ2(2n), given X∼Unif(0,1)-2\sum_{i=1}^n{\log X_i} \sim \chi^2(2n), \text{ given } X \sim \text{Unif}(0,1)

44 hypothesis-testing  p-value  multiple-comparisons  central-limit-theorem  combining-p-values 

荟萃分析包括大量研究，所有研究均报告P值大于0.05。整体荟萃分析报告的P值是否可能小于0.05？什么情况下 （我很确定答案是肯定的，但是我想提供参考或解释。）

29 statistical-significance  meta-analysis  combining-p-values 

单个统计检验可以证明无效假设（H0）为假，因此替代假设（H1）为真。但这不能用来表明H0为真，因为未能拒绝H0并不意味着H0为真。 但是，让我们假设您有可能进行多次统计检验，因为您有许多彼此独立的数据集。所有数据集都是同一过程的结果，您想对过程本身做出一些声明（H0 / H1），并且对每个测试的结果都不感兴趣。然后，您收集所有得到的p值，并通过直方图碰巧看到p值明显均匀地分布。 我现在的推理是，只有在H0为true时才会发生这种情况，否则p值的分布将有所不同。因此，这是否足以证明H0为真？还是我在这里缺少一些重要的东西，因为我花了很多心血来写“得出H0为真”的结论，这在我看来真是太过错误了。

28 hypothesis-testing  p-value  combining-p-values 

我正在使用相同的原假设进行独立的统计检验，并希望将结果合并为一个NNN值。似乎有两种“可接受的”方法：Fisher方法和Stouffer方法。ppp 我的问题是关于斯托弗的方法。对于每个单独的测试，我都获得z得分。在零假设下，它们中的每一个都具有标准正态分布，因此和∑ z i遵循方差N的正态分布。因此斯托夫的方法表明计算Σ ž 我/ √ziziz_iΣziΣzi\Sigma z_iNNN，应该以单位方差正态分布，然后将其用作联合z得分。Σzi/N−−√Σzi/N\Sigma z_i / \sqrt{N} 这是合理的，但是这是我想出的另一种方法，对我来说也很合理。由于每个的来自一个标准正态分布，平方和小号= Σ ž 2 我应来自与卡方分布Ñ自由度。因此，可以使用具有N个自由度的累积卡方分布函数来计算S并将其转换为p值（p = 1 - X N（S ），其中X N是CDF）。ziziz_iS=Σz2iS=Σzi2S=\Sigma z^2_iNNNSSSpppNNNp=1−XN(S)p=1−XN(S)p=1−X_N(S)XNXNX_N 但是，我什至找不到这种方法。有没有用过？它有名字吗？与斯托弗的方法相比，优点/缺点是什么？还是我的推理有缺陷？

22 hypothesis-testing  chi-squared  p-value  multiple-comparisons  combining-p-values 

是否有一个R包（甚至是基本的R函数）实现了Fisher或Stouffer的方法来组合p值？编码这几乎是微不足道的，但是我宁愿使用（并引用）一个包。 此问题中的示例代码：用于组合p值的Fisher方法-下尾如何呢？

10 r  combining-p-values