matlab 计算 fdr,基因富集分析（p值，q值和FDR值）

统计概念

配对样本均数t检验

p值、pFDR和q值p值相关单个假设检验中主要依靠p值(或统计量t)做出是否拒绝零假设H0的决定：p值和预先设定的检验水准alpha做对比，如果p值小于等于alpha，拒绝原假设，否则不拒绝原假设。

p值：表征了在原假设成立的条件下，重复进行当前的试验，获得现有统计量t及其更极端情况的概率。

给定检验水准alpha时，可得出对应的拒绝域；根据当前试验，可以计算出p值。当p值越小时，表示此时试验得到的统计量t越落在拒绝域。因此基于p值的结果等价于基于t值的结果。因此，p值越小，拒绝原假设的信心越大。

假阳性率：false positive rate, FPR.检验水准alpha给出了事先犯I-型错误的最大概率。

多重假设检验和总体错误率在进行多重假设检验时，每个单独的假设都具有其本身的I型错误。在这种情况下，如果不进行任何的控制，犯I-型错误的概率会随着假设检验的个数而迅速增加。

多重假设检验中，广泛使用的错误控制指标是总体错误率(family-wise error rate,FWER),即至少出现一次错误地拒绝真实H0的可能性；FWER小于等于alpha。而研究者更关心的是能否尽量多地识别出差异表达的基因，并且能够容忍和允许总的拒绝中发生少量的错误识别，称为错误发现false discovery。即需要在错误发现和总的拒绝次数R之间寻找一种平衡