问题标签 [p-value]

我有一个包含数千个样本的csv，应该比较不同处理后的基因表达：

我被要求做一个Mann Whitney u 测试，当我使用这个时，R 给了我结果：

但是，我只得到 0.1 或 0.5 之类的值。

当我添加时，alternative ="greater"我得到了 0.35000 或 0.05000 之类的值，一些样本得到了 0.14314 之类的 pvalue（这是我可以接受的值）。所以我想知道为什么 R 给了我这么奇怪的 pvalues (0.35000,..) 以及如何修复它以获得“正常”pvalues。

我正在使用一个全基因组关联研究数据集，p 值范围从 1E-30 到 1。我有一个 R 数据框“数据”，其中包括一个用于 p 值的变量“p”。

我需要使用以下代码对 p 值进行基因组校正：

在第二行的命令中，我使用 qchisq 函数将 p 值转换为 z 分数，p 值 < 1E-16 的 z 分数被四舍五入为无穷大。这意味着我最重要的数据点的 p 值在基因组校正后四舍五入为 0，我失去了它们的排名。

有没有办法解决？

我有一个数据集，我使用来自 41 个人的 10 个估计器来估计家庭范围大小。我想测试这些估计量是否彼此显着不同，因此我使用 nlme 拟合线性混合效应模型，如下所示：

Size 是家庭范围大小（对数进行转换以满足正态性假设），band 是代表我的 10 个估计量的 10 个级别的因子，nobsS 是采样强度的度量（按采样天数标准化的各个位置的数量），Sex 是男性/female，而snake是我个人的随机效果。总结输出如下：

p 值表明几个水平与参考水平显着不同，并且模式与我根据原始数据预期的一致。但是，我想显示具有 95% 置信区间（不是预测区间）的平均对数（家庭范围大小），以比较不同估计器之间的效果大小。为此，我使用 predict.lme 函数和 SE 使用来自先前 R 线程的代码计算了预测值： https ://stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003320.html 但是，我的 95% CI 广泛重叠，比我根据我的 lme 模型的 p 值预期的要多得多。我复制了我获得的值，这些值显示了 95% CI 的广泛重叠：

有没有人建议为什么 p 值在估计水平之间显示出显着差异但 CI 重叠？我很抱歉没有提供任何数据，但如果有帮助，我很乐意通过电子邮件发送我的原始数据和完整代码的副本。

谢谢，JBauder

我生成了一个箱线图并测试了向量 x1 和 x2 与wilcox.test. 如何在箱线图中实现测试结果？

感谢你们！

R版3.1.0（2014-04-10）——《春之舞》

平台：x86_64-w64-mingw32/x64（64位），Windows 7

我正在对我的数据运行一个 posthoc Tukey HSD，它有十个因子水平。该表很大，我希望仅以成对表的形式向读者展示 p 值，将 45 行表留作附录。

这是一个示例数据集：

结果是一个 45 行的表。相反，我想要一个表格，其中因子级别作为行和列名称，单元格中的 p 值显示两者是否有显着差异。Xs 或下划线或任何可能表示重复或不必要的比较。像这样的东西：

等等。

有没有办法自动生成这样的表格？

我有超过5000个数据集，我想找到在 R 中使用 Fisher 精确测试的 p 值。它们保存在csv文件中，看起来像这样；

其中每一行代表一个列联表。现在，我不得不一次做一张应急表，这将花费我很长时间。

到目前为止，我使用此代码 alltables<-read.table("untitled1.csv") ##读取我的数据 apply(alltables,1, function(x) fisher.test(matrix(x,nr=2))$p 。价值）

但随后我收到错误“fisher.test 中的错误（矩阵（x，nr = 2））：'x' 必须至少有 2 行和列”

我已经使用lmerTest和 using运行了以下模型lme4：

使用我在输入命令lmerTest 时收到以下错误：summary()

我看到这对其他用户来说已经是一个问题，并且一个用户能够绕过运行的问题lsmeans()。当我尝试 lsmeans 时，我得到了错误：

查看协方差矩阵时，我没有看到任何 NA。请注意，如果我简单地反转组因子中的对比，我就可以运行这个模型。我很难理解为什么会这样。

当我使用 lme4 而不是 lmerTest 运行相同的模型时，我能够获得 summary() 的所有输出，但没有 p 值（如预期的那样）。pvals.fnc 在 lme4 中已停产，我还没有找到替代方案。另外，最好以与我成功使用 lmerTest 的其他模型相同的方式估计模型 2 的 p 值。

有谁知道我此时应该做什么？任何帮助将非常感激！

为了获得python 中两个数组之间的相关性，我使用：

但是，如文档中所述，从返回的 p 值pearsonr()仅对大于 500 的数据集有意义。那么我怎样才能获得对小数据集合理的 p 值？

我的临时解决方案：

在阅读了线性回归之后，我想出了自己的小脚本，它基本上使用Fischer 变换来获得 z 分数，从中计算 p 值：

有用。但是，我不确定 给出的 p 值是否更合理pearsonr()。是否有已经具有此功能的 python 模块？我无法在SciPy或Statsmodels中找到它。

编辑以澄清：

我的示例中的数据集已简化。我的真实数据集是两个包含 10-50 个值的数组。

作为一个普通的 R 用户，我正在学习使用 python 进行分析，我从卡方开始并做了以下工作：

R

Python

对于test1，我很满意，因为 python 和 R 的测试结果相似，但test2事实并非如此，因为 R 有参数correct，所以我将其从默认值更改，生成的 p 值不一样。

我的代码有什么问题吗？我应该“相信”哪一个？

更新01

感谢您的反馈。我知道卡方检验不应该用于值小于 5 的单元格，我应该使用 Fisher 精确检验，我担心的是为什么 R 和 Python 给出的 p 值差异如此之大。

我用rcorr24 来关联 54 个项目。

别担心，我知道这是很多相关性，可能需要执行额外的统计来解决这个问题。这主要是为了了解我的数据。

使用rcorr我想将生成的表减少到仅低于 0.05 的 p 值。我对与此相关的项目不感兴趣。该命令会是什么样子？现在这是我正在使用的命令

我还运行了所有项目的 PCA 以查看它们如何一起加载，但我也想查看相关性。