In cases where the tests are not in

In cases where the tests are not independent, the null distribution of X2 is more complicated. A common strategy is to approximate the null distribution with a scaled χ2-distribution random variable. Different approaches may be used depending on whether or not the covariance between the different p-values is known.

Brown's method [3] can be used to combine dependent p-values whose underlying test statistics have a multivariate normal distribution with a known covariance matrix. Kost's method [4] extends Brown's to allow one to combine p-values when the covariance matrix is known only up to a scalar multiplicative factor.

ผลลัพธ์ (ไทย) 2:

ในกรณีที่การทดสอบไม่เป็นอิสระกระจาย null ของ X2 ความซับซ้อนมากขึ้น กลยุทธ์ร่วมกันคือการใกล้เคียงกับการกระจาย null กับปรับχ2กระจายตัวแปรสุ่ม วิธีการที่แตกต่างกันอาจจะใช้ขึ้นอยู่กับว่าหรือไม่แปรปรวนระหว่างค่าพีที่แตกต่างกันเป็นที่รู้จักกัน. วิธีการของบราวน์ [3] สามารถใช้ในการรวมขึ้นอยู่กับพีค่าที่มีสถิติการทดสอบพื้นฐานมีการกระจายหลายตัวแปรปกติกับแปรปรวนเมทริกซ์ที่รู้จักกัน วิธี Kost ของ [4] ขยายของบราวน์เพื่อให้การอย่างใดอย่างหนึ่งที่จะรวมค่าพีเมื่อแปรปรวนเมทริกซ์เป็นที่รู้จักกันเท่านั้นถึงปัจจัยคูณสเกลาร์

ผลลัพธ์ (ไทย) 3:

ในกรณีที่การทดสอบอิสระไม่ การว่างของ X2 มีความซับซ้อนมากขึ้น กลยุทธ์ทั่วไปคือประมาณกระจาย null ด้วยการปรับχ 2-distribution สุ่มตัวแปร อาจจะใช้วิธีที่แตกต่างกันขึ้นอยู่กับว่าหรือไม่ร่วมระหว่าง p-values ที่แตกต่างกันเป็นที่รู้จักกัน

สีน้ำตาลแบบ [ 3 ] สามารถใช้ในการรวม p-values ขึ้นอยู่ที่พื้นฐานมีตัวแปรหลายตัวสถิติทดสอบการแจกแจงแบบปกติกับคนรู้จักความแปรปรวนเมทริกซ์ คอสต์แบบ [ 4 ] สีน้ำตาลเพื่อให้ขยายเพื่อรวม p-values เมื่อความแปรปรวนเมทริกซ์ที่รู้จักกันเท่านั้นถึงสเกลาร์การคูณตัวประกอบ .