0

次のデータのリストには、それぞれ 10 個のサンプルがあります。値は、特定の分子の結合強度を示します。

私が示したいのは、「x」が「y」、「z」、および「w」と統計的に異なることです。Xを見ると、ゼロより大きい値（2.8、1.00、5.4など）が他よりも多くなっています。

t検定をしてみましたが、いずれもP値が高く有意差はありませんでした。

そのための適切なテストは何ですか？

以下は私のコードです：

#!/usr/bin/Rscript
x   <-c(2.852672123,0.076840264,1.009542943,0.430716968,5.4016,0.084281843,0.065654548,0.971907344,3.325405405,0.606504718)
y   <- c(0.122615039,0.844203734,0.002128992,0.628740077,0.87752229,0.888600425,0.728667099,0.000375047,0.911153571,0.553786408);
z   <- c(0.766445916,0.726801899,0.389718652,0.978733927,0.405585807,0.408554832,0.799010791,0.737676439,0.433279599,0.947906524)
w   <- c(0.000124984,1.486637663,0.979713013,0.917105894,0.660855127,0.338574774,0.211689885,0.434050179,0.955522972,0.014195184)

t.test(x,y)
t.test(x,z)
4

3 に答える 3

6

サンプルがどのように異なると予想されるかを指定していません。通常、サンプル間で平均が異なることを意味すると仮定します。その場合、t 検定が適切です。にxはいくつかの高い値がありますが、平均値を引き込むいくつかの低い値もあります。(視覚的に)有意差だと思っていたものは、実際にはより大きな分散です。

質問が分散に関するものである場合は、F検定が必要です。

于 2013-05-09T02:14:04.073 に答える
5

このタイプのデータの古典的な検定は、分散分析です。分散分析は、4 つのカテゴリすべての平均が同じである可能性が高いか (帰無仮説を棄却しない)、または少なくとも 1 つの平均が他の平均と異なる可能性があるか (帰無仮説の棄却) を示します。

anova が有意な場合は、多くの場合、Tukey HSD 事後検定を実行して、どのカテゴリが他のカテゴリと異なるかを調べます。Tukey HSD は、多重比較用に調整済みの p 値を生成します。

library(ggplot2)
library(reshape2)

x <- c(2.852672123,0.076840264,1.009542943,0.430716968,5.4016,0.084281843,
       0.065654548,0.971907344,3.325405405,0.606504718)
y <- c(0.122615039,0.844203734,0.002128992,0.628740077,0.87752229,
       0.888600425,0.728667099,0.000375047,0.911153571,0.553786408);
z <- c(0.766445916,0.726801899,0.389718652,0.978733927,0.405585807,
       0.408554832,0.799010791,0.737676439,0.433279599,0.947906524)
w <- c(0.000124984,1.486637663,0.979713013,0.917105894,0.660855127,
       0.338574774,0.211689885,0.434050179,0.955522972,0.014195184)

dat = data.frame(x, y, z, w)
mdat = melt(dat)

anova_results = aov(value ~ variable, data=mdat)
summary(anova_results)
#             Df Sum Sq Mean Sq F value Pr(>F)
# variable     3   5.83  1.9431   2.134  0.113
# Residuals   36  32.78  0.9105

anova p 値は 0.113 で、"x" カテゴリの Tukey 検定の p 値は同様の範囲にあります。これは、「x」が他のものとは異なるという直感の定量化です。ほとんどの研究者は、p = 0.11 が示唆に富むと判断しますが、それでも偽陽性であるリスクが高すぎます。以下の箱ひげ図と一緒に平均値 (diff 列) の大きな違いは、p 値よりも説得力があることに注意してください。

TukeyHSD(anova_results)
#   Tukey multiple comparisons of means
#     95% family-wise confidence level
# 
# Fit: aov(formula = value ~ variable, data = mdat)
# 
# $variable
#            diff       lwr       upr     p adj
# y-x -0.92673335 -2.076048 0.2225815 0.1506271
# z-x -0.82314118 -1.972456 0.3261737 0.2342515
# w-x -0.88266565 -2.031981 0.2666492 0.1828672
# z-y  0.10359217 -1.045723 1.2529071 0.9948795
# w-y  0.04406770 -1.105247 1.1933826 0.9995981
# w-z -0.05952447 -1.208839 1.0897904 0.9990129

plot_1 = ggplot(mdat, aes(x=variable, y=value, colour=variable)) + 
         geom_boxplot() +
         geom_point(size=5, shape=1)
ggsave("plot_1.png", plot_1, height=3.5, width=7, units="in")

ここに画像の説明を入力

于 2013-05-09T02:24:10.880 に答える
2

あなたの質問では、分布が異なるb / cであると言及しましたが、それらのいくつかは0より大きい値を持っていました。「0より大きい値の数」に従って分布を定義すると、二項分布を使用します（値を変換した後） 1 と 0 に)。次に使用できる関数は次のようになりますprop.test()

于 2013-05-09T02:19:53.563 に答える