视同缴费证明是什么
所谓的视同证明，是在95年以前，没有开始社保缴费的情况下，事业单位职工工作年限等同于缴费年限。95年以后无论企事业单位都开始缴纳社保了，也就是说95年以后的社保情况要看缴费。
开证明是在你原单位的人事部，要提供1.参加工作的原始材料。
2.原单位参统的证明材料。
3.原单位档案转出的原始材料（证明非开除。）上述材料都齐全的，95年以前的工作时间有可能会变为缴费时间。具体建议咨询当地社保部门
fdr和p值区别
FDR和P值之间的主要区别是，FDR是一种统计检验，用于检测多个检验中是否存在显著性，而P值是检验某个假设是否有效的统计量。
FDR会考虑多重检验的情况，这意味着它可以检测在一组检验中，有多少检验的结果是显著的。而P值则只是检测单个检验的结果是否有效。
1 FDR和p值是不同的概念。
2 p值是指在零假设成立的情况下，出现观察到的统计量或更极端情况的概率。
p值越小，说明观察到的结果越显著，反之则越不显著。
FDR是False Discovery Rate的缩写，中文为“假阳性发现率”，指的是在进行多重假设检验时，被错误地拒绝的假设占所有被拒绝假设的比例。
FDR越低，说明错误拒绝零假设的概率越小，结果越可靠。
3 值得注意的是，p值和FDR都是用来衡量假设检验中的错误率，但是FDR更适合用于多重检验的情况，因为它对假阳性率的控制更加宽松，可以降低拒绝正确假设的风险。
1. FDR和P值的含义不同。P值是在给定的假设条件下，观察到数据或更极端情况出现的概率。而FDR是发现的假阳性比率，即被错误地拒绝原假设的结果所占的比例。
2. FDR和P值的使用对象不同。P值通常用于对单个测试的结果进行判断，而FDR则更适合对多个测试结果进行判断，例如在基因组研究中对数千个基因进行分析时。
3. FDR和P值的计算方式不同。P值可以通过模拟或计算来估计，在单次实验中只需要考虑一个假设。而FDR的计算涉及到多次实验，需要将假阳性结果的数量与总的拒绝数目进行比较。
4. FDR和P值的阈值设置也不同。在单次实验中，通常将P值设为0.05或更小的显著性水平。而在多个测试的情况下，需要根据具体研究设计和数据特点设置FDR的阈值。
5. 最后，FDR和P值也有不同的解释方式。当我们使用P值时，我们通常说“我们可以拒绝原假设，因为P值小于α水平”，而使用FDR时，我们可能会说“发现的假阳性结果中只有x%是真正的阳性”。
零假设：在随机条件下的分布。
p值：在零假设下，观测到某一特定实验结果的概率称为p值。
假阳性：得到了阳性结果，但这个阳性结果是假的。
假阴性：得到了阴性结果，但这个阴性结果是假的。
多重检验矫正：
为了解决多次检验带来的问题，我们需要对多次检验进行校正。那如何校正呢？在此介绍两种方法：
Bonferroni 校正法
Bonferroni校正法：如果进行N次检验，那么p值的筛选的阈值设定为p/N。 比如，进行10000次检验的话，如果p值选择为0.05， 那么校正的p值筛选为0.000005。 p值低于此的基因才是显著性差异基因。
该方法虽然简单，但是过于严格，导致最后找的差异基因很少，甚至找不到差异的基因。
FDR(False Discovery Rate) 校正法
FDR错误控制法是Benjamini于1995年提出的一种方法，基本原理是通过控制FDR值来决定p值的值域。相对Bonferroni来说，FDR用比较温和的方法对p值进行了校正。其试图在假阳性和假阴性间达到平衡，将假/真阳性比例控制到一定范围之内。
那么怎么从p值来估算FDR呢，人们设计了几种不同的估算模型。其中使用最多的是Benjamini and Hochberg方法，简称BH法。该方法分两步完成，具体如下：
2.1 假设总共有m个候选基因，每个基因对应的p值从小到大排列分别是p(1),p(2),…,p(m)
2.2 若想控制FDR不能超过q，则只需找到最大的正整数i，使得 p(i)<= (i*q)/m . 然后，挑选对应p(1),p(2),…,p(i)的基因做为差异表达基因，这样就能从统计学上保证FDR不超过q。
1 FDR和p值是两个不同的统计指标，具有不同的意义和用途。
2 P值是指在零假设下，观察到的样本数据或更极端的情况出现的概率。
一般而言，p值越小，说明拒绝零假设的证据越强，统计显著性水平越高。
FDR是错误发现率，指在所有被拒绝的零假设中，实际上错误的比例。
一般而言，控制FDR的方法可以有效降低多重比较所带来的误差。
3 在实际应用中，p值和FDR可以结合使用，比如控制FDR的同时，对P值进行筛选，选出具有显著差异的变量或特征。
总之，p值和FDR都是常用的统计指标，但是在具体应用中需要根据问题的特点和目的选择合适的指标。
FDR和p值都是用于统计数据分析中的显著性检验指标，但是有以下区别：
1. FDR是False Discovery Rate的缩写，p值是probability value的缩写。
2. FDR用于控制多重比较假阳性的错误率，而p值用于描述一个测试结果的统计显著性。
3. FDR通常用于基因表达数据等高维数据的多重比较假阳性的控制，而p值可用于单个随机变量的统计显著性检验。
4. FDR控制的是错误发现的比率，即错误判定的显著结果占总结果的比率，p值是单一结果的显著性概率。
