scipy.stats.combine_pvalues¶
- scipy.stats.combine_pvalues(pvalues, method='fisher', weights=None)[源代码]¶
合并来自独立测试的p值,这些p值与相同的假设有关。
- 参数
- pvalues类阵列,一维
假定来自独立测试的p值数组。
- method{‘Fisher’,‘Pearson’,‘Tippett’,‘Stouffer’,
‘mudholkar_george’},可选
用于组合p值的方法的名称。有以下方法可用(默认为‘Fisher’):
‘FISHER’:费舍尔方法(Fisher‘s组合概率检验),p值的对数和
‘珍珠逊’:皮尔逊方法(类似于费舍尔的方法,但使用对数内部p值的补码之和)
‘tippett’:Tippett法(p值的最小值)
“Stouffer”:Stouffer的Z计分法
“穆德霍尔卡·乔治”:费舍尔和皮尔逊方法的不同之处
- weightsARRAY_LIKE,一维,可选
仅用于Stouffer的Z分数方法的可选权重数组。
- 退货
- 统计数据:浮点数
按指定方法计算的统计信息。
- pval:浮点
合并的p值。
注意事项
费舍尔方法(也称为费舍尔组合概率检验) [1] 使用卡方统计来计算组合p值。密切相关的Stouffer Z记分法 [2] 使用Z分数而不是p值。Stouffer方法的优点是直接引入权重,当p值来自不同大小的研究时,可以使Stouffer方法比Fisher方法更有效 [6] [7] 。皮尔逊方法使用 \(log(1-p_i)\) 在和中,而费舍尔的方法使用 \(log(p_i)\) [4]. 对于Fisher和Pearson方法,在实现中将对数之和乘以-2。这个量具有决定p值的卡方分布。这个 mudholkar_george 方法是费舍尔检验统计量和皮尔逊检验统计量的差值,每种检验统计量都包含-2f25-2f25-2f25 [4]. 然而, mudholkar_george 方法不包括这两个因素。的检验统计量 mudholkar_george 是逻辑随机变量和公式3.6的和 [3] 用来近似基于学生t分布的p值。
费舍尔的方法可以扩展到组合来自相依测试的p值 [5]. 像Brown方法和Kost方法这样的扩展目前还没有实现。
0.15.0 新版功能.
参考文献
- 1
- 2
https://en.wikipedia.org/wiki/Fisher%27s_method#Relation_to_Stouffer.27s_Z-score_method
- 3
乔治,首席执行官和G.S.穆德霍尔卡。“关于Logistic随机变量的卷积。”Metrika 30.1(1983):1-13。
- 4(1,2)
Hed,N.和Rubin-Delanchey,P.“在组合p值的方法之间进行选择。”比普里斯卡105.1(2018年):239-246.
- 5
惠特洛克,M.C.“结合独立测试的概率:加权Z-法优于费舍尔的方法。”“进化生物学学报”第18卷第5期(2005):1368-第1373。
- 6
扎伊金,德米特里五世。“最佳加权Z检验是在荟萃分析中组合概率的有力方法。”“进化生物学杂志”第24期第8期(2011):1836-1841。
- 7
https://en.wikipedia.org/wiki/Extensions_of_Fisher%27s_method