了解 Fisher 的组合检验

机器算法验证 卡方检验 组合 p 值
2022-04-01 18:43:55

我正在使用 Fisher 的组合测试来融合几个不同的独立测试。在某些情况下,我无法理解结果。

示例:假设我运行两个不同的测试,都假设 mu 小于 0。假设 n 相同并且两个样本具有相同的计算方差。但是,让我们假设一个测试产生的平均值是,另一个是我将得到两个互补的 p-val(例如)。有趣的是,将两者结合会在 Fisher 检验中1.51.50.9950.005pp=0.0175

这很奇怪,因为我本可以选择完全相反的测试并采样结果 - 仍然得到几乎就好像 Fisher 检验没有考虑假设的方向。(μ>0)p=0.0175

谁能解释一下?

谢谢

2个回答

Fisher 组合检验旨在结合对独立数据集进行的单独检验的信息,以便在单个检验可能没有足够的功效时获得功效。这个想法是,如果个零假设都是正确的,则值将彼此独立地均匀分布在上。这意味着将是2k拒绝这种组合的零假设会得出这样的结论,即至少有一个零假设是错误的。这就是您在应用此过程时所做的事情。kp[0,1]2log(pi)χ22k

有几种组合方式p-values,其中一些具有此属性,而另一些则没有。这部分是因为问题没有很好地说明。对许多最知名的方法进行了广泛的模拟研究。底线是,如果您想要取消属性,您可以拥有它,但您不必这样做。