Почему множественное тестирование — серьёзная проблема в биостатистике? В этом видео мы объясним, почему множественное тестирование так опасно при анализе больших наборов данных и как это исправить. Мы рассмотрим некоторые из наиболее распространённых методов: поправку Бонферрони, поправку Бенджамини-Хохберга (BH) и q-значения. Не дайте монстру множественного тестирования поглотить ваши данные! ---------------------------------------------------------------------------------------------------------------- Уже посмотрели? Если вам понравилось это видео или оно было полезным, пожалуйста, дайте мне знать! Ваши комментарии и отзывы очень ценны😊 Если у вас есть вопросы, не стесняйтесь оставлять их ниже, я отвечу, как только смогу :) -------------------------------------------------------------------------------------------------------------------- Для получения дополнительных инструментов и ресурсов по биостатистике посетите сайт:
Здесь вы найдете: • простые и понятные объяснения методов биостатистики • инструменты вычислительной биологии • простые пошаговые руководства на R и Python для анализа и визуализации биологических данных! Или подпишитесь на меня в Instagram: @biostatsquid: / biostatsquid Не забудьте подписаться, чтобы не пропустить мои новые видео! -------------------------------------------------------------------------------------------------------------------- Дополнительные ресурсы для множественного тестирования: Проверьте разницу между различными коррекциями множественного тестирования в R:
Потрясающее объяснение FDR от Statquest! • False Discovery Rates, FDR, clearly explained --------------------------------------------------------------------------------------------- Trash FM от Александра Накарады |
Музыка предоставлена
Attribution 4.0 International (CC BY 4.0)
https://creativecommons.org/licenses/... 