H0 和 FM 指数下的贝克伽马分布 (dendextend)

Question

我对 dendextend 包中的 Baker's Gamma 和 FM 指数有一些疑问。

1. 贝克伽玛分布在 H0 下的解释是什么？即你什么时候拒绝原假设？
2. cor_FM_index 和FM_index 有什么区别？期望值和方差似乎保持不变，但指数值却没有。
3. Bk 图显示了不同 k 值下的 FM 指数。从这样的情节可以得出什么结论？

Answer 1

1. H0 是两个项目在一个端合并的“高”程度与另一端的值之间没有相关性。如果两个树突相等，那么对于您将看到的每两片叶子，它们合并的分支的高度将相同，因此它们的贝克 gamma（所有此类对的相关性）将为 1。如果两棵树完全不相似，那么它们的相关性将接近于 0。两者之间的显着性意味着存在某种类型的相似性。一般来说，更多的两片叶子在一个树突中“靠近”，所以它们在另一侧也会靠近。与任何相关性一样，不能仅通过 cor 值推断临界情况下的确切含义。

2. cor_FM_index 使用 FM_index，但以“正确”的方式使用。看看cor_FM_index的代码看看怎么弄的。

3. 它可以显示两棵树的相似程度。例如，如果您有两棵树（t1 和 t2），每棵树都有两个包含完全相同项目的子家族，那么它们的 Bk (k=2) 将为 1。但是当您用k=3，它们的子树将不再包含 t1 和 t2 中完全相同的项目。因此，它是在不同级别的砍伐树木时树木相似度的度量。如果树是相同的，它应该是 Bk=1。如果它们在某些高度上相似，则这些 Bk 值将很重要。

我希望这会有所帮助，感谢您提出的好问题。