input
NN <- c(359,32);JJ <- c(108,13);NNS <- c(103,15);VBN <- c(95,9);RB <- c(63,11);NNP <- c(56,0);VBG <- c(55,10);IN <- c(38,16);VB <- c(20,10);CD <- c(17,6);CC <- c(11,6);DT <- c(11,4);MD <- c(8,5);PRP4 <- c(8,1);PRP <- c(7,4);FW <- c(5,1);VBD <- c(5,3);RBR <- c(4,0);VBP <- c(4,1);VBZ <- c(4,3);WRB <- c(4,2);EX <- c(3,1);NNPS <- c(2,0);WDT <- c(2,3);WP <- c(2,1);PDT <- c(1,1);POS <- c(1,0);RBS <- c(1,0);TO <- c(1,1);UH <- c(0,1)
Finaltable <-
cbind(NN,JJ,NNS,VBN,RB,NNP,VBG,IN,VB,CD,CC,DT,MD,PRP4,PRP,FW,VBD,RBR,VBP,VBZ,WRB,EX,NNPS,WDT,WP,PDT,POS,RBS,TO,UH)
rownames(Finaltable) <- c("tag1","tag2")
Finaltable
chisq.test(Finaltable)
fisher.test(Finaltable)
输出
fisher.test(Finaltable) : FEXACT error 7.
LDSTP is too small for this problem.
Try increasing the size of the workspace.
如何在不修改原始数据的情况下解决此问题？这种比较是否有任何非参数检验？
您可以尝试从其默认值增加workspace参数，但我不知道您是否能够使其足够大(我在 workspace=2e8 放弃了，这仍然失败;我在workspace=2e9时用完了内存。您也可以尝试模拟 p 值，例如 fisher.test(Finaltable,simulate.p.value=TRUE,B=1e7)(例如(，但由于 p 值非常小，如果你想做更多的事情，你需要大量的模拟(B (，而不是限制 p 值，这也将非常慢。 (在大多数情况下，知道p是<1e-7绰绰有余 - 但在某些生物信息学环境中，人们希望使用p作为信号强度的指标和/或强加大规模的多重校正比较。 我真的不喜欢这些方法，但它们就在那里......