Вы тестируете 200 гипотез по разным фичам и хотите контролировать FDR, чтобы не потерять слишком много мощности, как при Bonferroni. Какой метод наиболее уместен?
A
BonferroniB
HolmCНе делать коррекцию, потому что
p-value уже учитывает множественностьD
Benjamini–HochbergПравильный ответ. Для контроля
FDR в больших наборах тестов часто используют Benjamini–Hochberg.Разбор
Bonferroni и Holm контролируют FWER и поэтому обычно более консервативны, особенно при сотнях проверок. Если задача похожа на скрининг и важно держать долю ложных находок среди выбранных в пределах, логичнее контролировать FDR. Типичная ошибка — требовать FWER-строгость там, где цель — отбор кандидатов с последующим подтверждением.
Проверь себя · 1/3разбор после ответа
У вас два сценария: (1) критичное решение по безопасности, (2) поиск идей среди 50 метрик для следующего спринта. Какое сочетание контроля ошибок чаще всего разумно?
Ещё вопросы по теме «Множественные сравнения»
- Вы сделали множественные сравнения (`multiple comparisons`): 20 независимых проверок при `alpha = 0.05` и нашли одну метрику с `p-value = 0.04`. Что корректнее всего сказать про этот результат?
- Какая пара определений наиболее корректно описывает `FWER` и `FDR` при множественных проверках?
- Вы делаете 10 проверок и хотите контролировать `FWER` на уровне `alpha=0.05`. Какой порог для каждого теста задаёт поправка `Bonferroni`?
- Вы хотите контролировать `FWER`, но `Bonferroni` кажется слишком консервативным. Какое утверждение про `Holm` наиболее верное?
- Вы применяете процедуру `Benjamini–Hochberg` для контроля `FDR` на уровне 0.05 к 5 проверкам с отсортированными `p-value`: 0.004, 0.012, 0.018, 0.07, 0.2. Сколько гипотез будет отклонено?
- Все вопросы по «Множественные сравнения» →