A method is demonstrated for representing the false discovery rate (FDR) in a set of p-values on a quantile-quantile (Q-Q) plot of the p-values. Recognition of this connection between the FDR and the Q-Q plot facilitates both understanding of the meaning of the FDR, and interpretation of the FDR in a particular data set.


翻译:P-价值的微分-定量(Q-Q)图段的一套p值中显示假发现率(FDR)的方法,承认FDR和Q-Q图段之间的这种联系有助于理解FDR的含义和在特定数据集中对FDR的解释。

0
下载
关闭预览

相关内容

专知会员服务
33+阅读 · 2021年8月16日
专知会员服务
81+阅读 · 2021年5月10日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
[DLdigest-8] 每日一道算法
深度学习每日摘要
4+阅读 · 2017年11月2日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
0+阅读 · 2021年10月26日
Arxiv
0+阅读 · 2021年10月22日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Arxiv
7+阅读 · 2018年1月21日
Arxiv
3+阅读 · 2017年12月23日
Arxiv
4+阅读 · 2017年11月13日
VIP会员
相关VIP内容
专知会员服务
33+阅读 · 2021年8月16日
专知会员服务
81+阅读 · 2021年5月10日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
相关资讯
AI可解释性文献列表
专知
42+阅读 · 2019年10月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
[DLdigest-8] 每日一道算法
深度学习每日摘要
4+阅读 · 2017年11月2日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关论文
Arxiv
0+阅读 · 2021年10月26日
Arxiv
0+阅读 · 2021年10月22日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Arxiv
7+阅读 · 2018年1月21日
Arxiv
3+阅读 · 2017年12月23日
Arxiv
4+阅读 · 2017年11月13日
Top
微信扫码咨询专知VIP会员