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：

ID    U1         U2        U3        H1        H2        H3
1     5.95918   6.07211   6.01437   5.89113   5.89776   5.95443
2     6.56789   5.98897   6.67844   5.78987   6.01789   6.12789
..

我被要求做曼恩·惠特尼（Mann Whitney）u测试，当我使用它时，R正在给我结果：

results <- apply(data,1,function(x){wilcox.test(x[1:3],x[4:6])$pvalue})

但是，我只得到0.1或0.5之类的值。

当我添加时，alternative ="greater"我得到的值为0.35000或0.05000，而一些样本得到的p值为0.14314（这是我可以接受的值）。所以我想知道为什么R给我这样奇怪的pvalues（0.35000，..），以及如何解决它以获得“正常” pvalues。

我正在使用包中的HSD.test函数进行 TukeyHSD 事后测试。该函数工作正常，但我不确定 p 值隐藏在哪里。中的字母表示重要性，但实际的 p 值在哪里？谢谢agricolaeRgroups

library(agricolae)
data(sweetpotato)
model<-aov(yield~virus, data=sweetpotato)
out <- HSD.test(model,"virus", group=TRUE,console=TRUE,
main="Yield of sweetpotato\nDealt with different virus")



Study: Yield of sweetpotato
Dealt with different virus

HSD Test for yield 

Mean Square Error:  22.48917 

virus,  means

      yield      std r  Min  Max
cc 24.40000 3.609709 3 21.7 28.5
fc 12.86667 2.159475 3 10.6 14.9
ff 36.33333 7.333030 3 28.0 41.8
oo 36.90000 4.300000 3 32.1 40.4

Alpha: 0.05 ; DF Error: 8 
Critical …

我正在尝试对数据集的几行进行单向方差分析，然后提取 p_value 以供使用。

这是我所做的：

anova <- function(x) {summary(aov(x ~ bt.factor))[[1]]["Pr(>F)"]}
anv.pval <- apply(golubALL, 1, anova)

使用这个公式，我可以提取 pvalue 但它带有其他元素：

$`1414_at`
            Pr(>F)
bt.factor   0.7871
Residuals

结果我想要的只是列表中的这个。我怎么能提取它？

我正在尝试计算与随时变系数的Cox PH模型获得的点估计相关的P值。我编写的函数没有提供正确的P值。我将通过使用生存包中的NCCTG肺癌数据来说明这一点。

# Setup
require(survival)

# Effect of Karnofsky score, linear
fit <- coxph(Surv(time/365.25, status == 2) ~ ph.karno + tt(ph.karno), 
             lung, tt=function(x, t, ...) {x*t})

功能：

# Same function but now with a P-value in the output
calculate.timeDependentHazard.P <- function(model,time) {
  index.1 <- which(names(model$coef)=="ph.karno")
  index.2 <- which(names(model$coef)=="tt(ph.karno)")

  coef <- model$coef[c(index.1,index.2)]
  var <- rbind(c(model$var[index.1,index.1],model$var[index.1,index.2]),
               c(model$var[index.2,index.1],model$var[index.2,index.2]))

  var.at.time <- t(c(1,time)) %*% var %*% c(1,time)

  hazard.at.time <- t(c(1,time)) %*% coef

  lower.95 <- hazard.at.time - 1.96*sqrt(var.at.time)
  upper.95 <- hazard.at.time + …

我有一个data.frame dfP与一列Spearman_p包含的p值（数字数据）。我想用它们代替p值摘要星号。我使用以下代码：

 dfP$Spearman_p[dfP$Spearman_p < 0.0001] <- "****"
 dfP$Spearman_p[dfP$Spearman_p < 0.001] <- "***"
 dfP$Spearman_p[dfP$Spearman_p < 0.01] <- "**"
 dfP$Spearman_p[dfP$Spearman_p < 0.05] <- "*"
 dfP$Spearman_p[dfP$Spearman_p > 0.05] <- "ns"

但是，这会将所有 <0.05的p值（<0.01的那些）也更改为*（一星）。

我怀疑R在后续步骤中将****视为数字<0.05。那是对的吗？如果是这样，请问我该如何规避？

谢谢。

我正在使用 var.test 并且我想检索 p 值。有什么建议吗？

x <- rnorm(50, mean = 0, sd = 2)
y <- rnorm(30, mean = 1, sd = 1)
var.test(x, y)  

比较两个方差的 F 检验

数据：x 和 y F = 5.6877，num df = 49，denom df = 29，p 值 = 3.839e-06 备择 假设：真实方差比不等于 1 95% 置信区间：2.85764 10.70096 样本估计值：比率差异 5.687715

当看着系数的表款它列出.，*，**，或***旁边的P值。

他们在底部指出了这一点（但我发现这实际上使我感到困惑）：

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我的一个模型的P值为0.00506，其中**。但是，根据以上内容，这对我来说没有意义。我认为我已经比实际情况更加混乱了！

因此，在痛苦地简单地做什么的*，**，***的等同于？

我想做以下配对t检验:

str1<-' ENSEMBLE 0.934 0.934 0.934 0.934 '
  str2<-' J48 0.934 0.934 0.934 0.934 '

  df1 <- read.table(text=scan(text=str1, what='', quiet=TRUE), header=TRUE)
  df2 <- read.table(text=scan(text=str2, what='', quiet=TRUE), header=TRUE)

t.test ( df1$ENSEMBLE, df2$J48, mu=0 , alt="two.sided", paired = T, conf.level = 0.95)

我得到以下结果:

Paired t-test

data:  df1$ENSEMBLE and df2$J48
t = NaN, df = 3, p-value = NA
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 NaN NaN
sample estimates:
mean of the differences 
                      0 …