Question

可以直接在fdrtool()包的fdrtool函数（版本1.2.12）中使用来自学生t检验的统计数据吗？ The paper（Strimmer-K BMC Bioinfo.2008,9：303）提到了这一点，但据我所知，参数只能识别＆＃34;正常＆＃34;，＆＃34;相关＆＃34;和＆＃34; pvalue＆＃34;。是否有非统计学家的解决方法？

Answer 1

我认为这是一个错字。

我查看了fdrtool函数的来源，发现statistic参数首先通过match.arg传递到fdrtool:::get.nullmodel。

然后，瞧瞧：

args(fdrtool:::get.nullmodel)
# function (statistic = c("normal", "correlation", "pvalue", "studentt")) 
# NULL

确实在该函数中为学生提供了一个完全实现的案例：

if (statistic == "studentt") {
    f0 = function(x, param, log = FALSE) {
        return(dt(x, df = param, log = log))
    }
    F0 = function(x, param) {
        return(pt(x, df = param))
    }
    iqr = function(param) {
        return(qt(0.75, df = param) - qt(0.25, df = param))
    }
    get.support = function() return(c(1, 1000))
}

现在，在我告诉您如何访问此选项之前，我想警告您，它很可能是故意禁用的。我无法想象为什么，因为乍一看它似乎应该工作正常。 但是如果您计划在研究结果中使用它，您应该记录这一事实，即这实际上是一个“隐藏”选项，并且您必须进行一些黑客攻击才能访问它。而且，我实际上没有在我的电脑上测试过这个，所以要小心打字错误。

现在，至于黑客攻击，最简单的方法就是先将fdrtool输入R控制台。然后，将输出复制并粘贴到新的R脚本（如果您喜欢这样，请使用sink）。前几行应该如下：

function (x, statistic = c("normal", "correlation", "pvalue"), 
    plot = TRUE, color.figure = TRUE, verbose = TRUE, cutoff.method = c("fndr", 
        "pct0", "locfdr"), pct0 = 0.75) 
{
    statistic = match.arg(statistic)
...

然后，您只需将c("normal", "correlation", "pvalue")更改为c("normal", "correlation", "pvalue", "studentt")即可。也就是说，前几行应该看起来像

function (x, statistic = c("normal", "correlation", "pvalue", "studentt"), 
    plot = TRUE, color.figure = TRUE, verbose = TRUE, cutoff.method = c("fndr", 
        "pct0", "locfdr"), pct0 = 0.75) 
{
    statistic = match.arg(statistic)
...

最后，将此函数重新分配给fdrtool（不用担心，这不会破坏底层包，它只会像“掩码”一样，直到用rm删除它）：

fdrtool <- function (x, statistic = c("normal", "correlation", "pvalue", "studentt"), 
    plot = TRUE, color.figure = TRUE, verbose = TRUE, cutoff.method = c("fndr", 
        "pct0", "locfdr"), pct0 = 0.75) 
{
    statistic = match.arg(statistic)
...

运行整个事情或者源代码。然后你应该好好去。

Answer 2

原来，该软件包的维护者Korbinian Strimmer故意禁用了基于t-score的功能。原因是它经常被错误地使用。

教授。 Strimmer是一个很好的人，并迅速而全面地回应了我的帮助请求。这就是他的建议：实践中的T分数通常不遵循t分布，而是显示过度分散或过度分散，这就是为什么你应该更好地使用普通选项。

然而，在此之前，您必须以数据为中心

z.centered = z-median(z)
fdrtool(z.centered, statistic="normal")

R'fdrtool'包：如何使用t统计

2 个答案: