流苏管道中r的QQ图

流苏管道中r的QQ图,r,R,对于我的GWAS分析,我使用的是流苏管道。在我的GWAS中,我正在研究两个相关的特征。 我想在一个图中绘制两个性状的Q_Q图,就像我们可以从tassel程序中获得的一样 有人建议我用哪种包装的r来做这件事吗? 使用qqman软件包中的qq()命令,我在seprate plot中绘制qq plot,但我想要一个包含我的两个特征的图,就像我在Tassel中所做的一样 有什么建议吗?在你的案例中,QQ图将你的结果的经验分布的分位数与如果零假设成立,你理论上预期的分布分位数进行比较 如果你有n个数据点,

对于我的GWAS分析,我使用的是流苏管道。在我的GWAS中,我正在研究两个相关的特征。 我想在一个图中绘制两个性状的Q_Q图,就像我们可以从tassel程序中获得的一样

有人建议我用哪种包装的r来做这件事吗? 使用qqman软件包中的qq()命令,我在seprate plot中绘制qq plot,但我想要一个包含我的两个特征的图,就像我在Tassel中所做的一样


有什么建议吗?

在你的案例中,QQ图将你的结果的经验分布的分位数与如果零假设成立,你理论上预期的分布分位数进行比较

如果你有n个数据点,比较n个分位数是有意义的,因为你的经验分布的实际分位数就是你的数据点,有序的

p值的理论分布为均匀分布。想想看,这正是它们存在的原因。例如,如果一个测量值被指定为p值0.05,那么如果你经常重复该实验,那么你只会在5%的实验中期望通过纯粹的偶然性(零假设)得到这个或更极端的测量值。在50%的情况下,预计测量值p=0.5。所以,推广到任意值p,你的累积分布函数

CDF(p)=p[测量p值为≤ p] =p

看看维基百科,这就是 0和1之间均匀分布的CDF

因此,QQ图的预期n分位数为{1/n,2/n,…n/n}。(它们代表了无效假设为真的情况)

现在我们有了理论分位数(x轴)和实际分位数。在R代码中,这类似于

预期的\u分位数