我正在使用一组具有两个甲基化值的基因（在单位间隔上连续）和基因表达（非负连续）我想测试相关性. 为了只过滤掉显着的相关性，我执行了一个置换测试，对于每个站点我随机置换多次计算. 这给了我零假设下的分布，即当之间没有依赖关系时和，我可以比较反对。
现在回答我的问题，
我想测试正相关和负相关。我是否对每个基因进行两次测试并使用双重多重测试校正，其中
或者我可以而且应该直接根据还是这样，并使用正常的多重测试校正？我只能想到以下几点，但感觉不对，而且力量很差。
编辑：更新了图形并添加了缺少的 x 轴标签。所有面板的 y 轴都相同。
这是置换测试的 R 示例。
## dummy data
set.seed(1)
x <- runif(20)
y <- 0.5 * x
y <- y + rnorm(20)
## set up for the permutation, compute observed R
nullR <- numeric(length = 1000)
nullR[1] <- cor(x, y) ## obsered R in [1]
N <- length(x)
## permutation test
for(i in seq_len(999) + 1) {
nullR[i] <- cor(x[sample(N)], y)
}
hist(nullR) ## histogram of R under H0
现在我们可以根据您考虑的各种有尾测试的排列分布
> ## one side H1 R > 0
> sum(nullR >= nullR[1]) / length(nullR)
[1] 0.908
> ## one side H1 R < 0
> sum(nullR <= nullR[1]) / length(nullR)
[1] 0.093
> ## two sided
> sum(abs(nullR) >= abs(nullR[1])) / length(nullR)
[1] 0.177
公式仅在您的分布对称于时才有效，至少您的插图似乎没有。给出了更好的估计 。使用您对和的定义。