Kombinieren von P-Werten mit der Fisher-Methode Matlab? Ich erhielt folgenden Wert von <code>P</code>

Question

Nach CDF tun (Probe von ihnen)

[0.43 0.12 0.0021 0.05 0.017 0.001 0.025 0.038 0.35 0.29] 

Ich mag meine P Werte mit Hilfe von Fisher Verfahren kombinieren und die Ausgabe in der folgenden Art und Weise erhalten:

Select erste 3 P Werte und kombiniert sie und erhalten Ergebnis daraus (Fischer-Methode). Zum Beispiel wäre mein erster P Kombinationswert: 0.43 ,0.12 0.0021 und mein nächster P Kombinationswert wäre 0.12, 0.0021 ,0.05 und so weiter.

Kann mir jemand sagen, wie wir Fisher-Methode mit MATLAB für dieses Problem anwenden können?
Ich konnte keine Lösung mit MATLAB finden.

Fishers Methode Extremwert Wahrscheinlichkeiten von jedem Test kombiniert, die gemeinhin als „p-Wert“ bekannt ist, in eine Teststatistik (X2) mit der Formel:

documents über Fischer Methode erzählt und ich markierte die Formel im Kreis das kann für die Kombination der p-Wert über die Fischer-Methode verwendet werden, bitte einen Blick :)

wo Pi ist der p-Wert für die ith Hypothesentest. Wenn die p-Werte dazu neigen, klein zu sein, wird die Teststatistik X2 groß sein, was nahelegt, dass die Nullhypothesen für jeden Test nicht zutreffen.

Answer 1

Ich glaube nicht, dass es ein Fishers ist kombiniert Wahrscheinlichkeitstest in MATLAB gebaut, aber es sollte es nicht schwer zu implementieren:

P = [0.43 0.12 0.0021 0.05 0.017 0.001 0.025 0.038 0.35 0.29]; 
k = length(P); 

zuerst werden wir einen Helfer Matrix bilden, die die Elemente Summe in P wie wir wollen:

% the following matrix is used to sun each n elements in a row: 
n = 3; 
summer = diag(ones(k,1)); 
for d = 1:n-1 
    summer = summer + diag(ones(k-d,1),-d); 
end 

wenn wir P*summer laufen, erhalten wir:

ans = 
    Columns 1 through 6 
     0.5521  0.1721  0.0691  0.068  0.043  0.064 
    Columns 7 through 10 
     0.413  0.678   0.64   0.29 

Als nächstes berechnen wir die Statistik, indem zuerst die ln aller P nehmen und als sie in (von -2 und multiplizieren) die 3 Summe:

% compute the combine fisher statistic: 
X = -2.*log(P(:).')*summer; 

das Ergebnis:

X = 
    Columns 1 through 6 
     18.26  22.564  26.472  27.956  29.342  27.734 
    Columns 7 through 10 
     16.018  11.116  4.5754  2.4757 

Schließlich berechnen wir die p- Werte aus einer Chi-Quadrat-Verteilung mit 2*3 = 6 df:

% get the p-values for all combinations: 
p_vals = chi2cdf(X(1:end-n+1),6,'upper'); 

Und wir bekommen:

p_vals = 
    Columns 1 through 6 
    0.005614 0.00095661 0.00018177 9.577e-05 5.2399e-05 0.00010546 
    Columns 7 through 8 
    0.013659  0.084865