R：使用p.adjust纠正多项测试的z分数

我有一组正常近似的

z-分数

，我需要对其进行多次测试校正，我通过将

z-分数

转换为相应的调整后

p-值

，如下所示：

# Reproducible R-code
z      = -24.831
ntests = 487
p      = 2*pnorm(-abs(z))                  # Yields p = 4.14869e-136
p.adj  = p.adjust(p,method="fdr",n=ntests) # Yields p.adj = 2.020412e-133
z.adj  = qnorm(1-p.adj/2) * sign(z)        # Yields z.adj = -Inf

所以我从

z=-24.831

开始，经过多次测试的校正，我得到了

z=-Inf

。我有一个系统，我需要实际校正的

z分数

，而

-Inf

值不“适合”这个系统

---

我可以得到实际值而不是仅仅得到

-Inf

，或者这是一个过流/欠流问题吗？

我认为这在统计上没有意义，但您可以将最后一行代码更改为：

z.adj  = qnorm(p.adj/2, lower.tail = FALSE) * sign(z)  
#[1] -24.58093 

---

这避免了计算

1-p.adj/2

，因为浮点运算（参见

help（“.Machine”）

）等于0。

我认为这没有统计学意义，但您可以将最后一行代码更改为：

z.adj  = qnorm(p.adj/2, lower.tail = FALSE) * sign(z)  
#[1] -24.58093 

---

这避免了计算

1-p.adj/2

，因为浮点运算（参见

help（“.Machine”）

）等于0。

我认为这没有统计学意义，但您可以将最后一行代码更改为：

z.adj  = qnorm(p.adj/2, lower.tail = FALSE) * sign(z)  
#[1] -24.58093 

---

这避免了计算

1-p.adj/2

，因为浮点运算（参见

help（“.Machine”）

）等于0。

我认为这没有统计学意义，但您可以将最后一行代码更改为：

z.adj  = qnorm(p.adj/2, lower.tail = FALSE) * sign(z)  
#[1] -24.58093 

---

这避免了计算

1-p.adj/2

，因为浮点运算（参见

help（“.Machine”）

）等于0。

详细说明@Roland的答案和注释，考虑到所使用数量的意义，您想要的是不合理的

统计测试产生的z分数或其他统计数据是某些特定值的转换（在z分数的情况下：

z=（x-mu）/sigma

）。这些与这些特定值相关，不应予以纠正。然而，当决定一个统计数据是否有一个值得拒绝假设的值时，建议在执行大量统计测试时更正计算出的概率值，正如您所指出的

---

话虽如此（为了更深入地了解这个话题），我也认为这是

R

所期望的合理行为。出于所有目的，您的

p.adj==0

，它对应于

z=-Inf

。即使在获得正确的结果（如罗兰的回答）时，它实际上是不相关的，记住这些值的解释。换句话说，

10^-133

的概率为零，三个数量级没有任何区别。更重要的是，当意识到这些是数值计算，而不是分析计算时。

详细阐述@Roland的答案和评论时，考虑到所用数量的意义，你想要的是不合理的

统计测试产生的z分数或其他统计数据是某些特定值的转换（在z分数的情况下：

z=（x-mu）/sigma

）。这些与这些特定值相关，不应予以纠正。然而，当决定一个统计数据是否有一个值得拒绝假设的值时，建议在执行大量统计测试时更正计算出的概率值，正如您所指出的

---

话虽如此（为了更深入地了解这个话题），我也认为这是

R

所期望的合理行为。出于所有目的，您的

p.adj==0

，它对应于

z=-Inf

。即使在获得正确的结果（如罗兰的回答）时，它实际上是不相关的，记住这些值的解释。换句话说，

10^-133

的概率为零，三个数量级没有任何区别。更重要的是，当意识到这些是数值计算，而不是分析计算时。

详细阐述@Roland的答案和评论时，考虑到所用数量的意义，你想要的是不合理的

统计测试产生的z分数或其他统计数据是某些特定值的转换（在z分数的情况下：

z=（x-mu）/sigma

）。这些与这些特定值相关，不应予以纠正。然而，当决定一个统计数据是否有一个值得拒绝假设的值时，建议在执行大量统计测试时更正计算出的概率值，正如您所指出的

---

话虽如此（为了更深入地了解这个话题），我也认为这是

R

所期望的合理行为。出于所有目的，您的

p.adj==0

，它对应于

z=-Inf

。即使在获得正确的结果（如罗兰的回答）时，它实际上是不相关的，记住这些值的解释。换句话说，

10^-133

的概率为零，三个数量级没有任何区别。更重要的是，当意识到这些是数值计算，而不是分析计算时。

详细阐述@Roland的答案和评论时，考虑到所用数量的意义，你想要的是不合理的

统计测试产生的z分数或其他统计数据是某些特定值的转换（在z分数的情况下：

z=（x-mu）/sigma

）。这些与这些特定值相关，不应予以纠正。然而，当决定一个统计数据是否有一个值得拒绝假设的值时，建议在执行大量统计测试时更正计算出的概率值，正如您所指出的

话虽如此，我还是想了解更多