×
戴红英;理查德·查尼戈

污染正态模型在微阵列数据分析中的应用。 （英语。法语摘要） Zbl 1233.62024号

可以。J.统计。 38，第3期，315-332（2010）。
摘要：受污染的β模型\（（1-\γ）B（1，1）+\γB（\α，\β）\）通常用于描述微阵列实验产生的\（P\）值的分布。作者提出并检验了一种不同的方法：即使用污染正态模型（（1-gamma）N（0，sigma^2）+gamma N（mu，sigma ^2）来描述（Z）统计量或适当转换的（T）统计量的分布。然后，他们讨论了拥有（Z）统计数据的研究人员是否应该使用污染正态模型进行分析，或者是否应该将（Z）统计学转换为要使用污染β模型进行分析的（P）值。作者还为（Z）统计分析提供了决策论视角。

引用于4文件

MSC公司：

62E15型 统计学中的精确分布理论
62F03型 参数假设检验
10层62层 点估计
62C99个 统计决策理论
62页第10页 统计学在生物学和医学中的应用；元分析
92C40型 生物化学、分子生物学
65C60个 统计中的计算问题（MSC2010）

关键词：

污染贝塔模型;\（D\）-测试;最大修正似然;混合物模型;MLRT公司;综合试验
PDF格式BibTeX公司 XML格式引用
\textit{H.Dai}和\textit{R.Charnigo}，加拿大。J.Stat.38，No.3，315--332（2010；Zbl 1233.62024）
全文： 内政部

参考文献：

[1] Allison，微阵列基因表达数据分析的混合模型方法，计算统计与数据分析39 pp 1–（2002）·Zbl 1119.62371号
[2] 本杰米尼，《控制错误发现率：一种实用而有力的多重测试方法》，《皇家统计学会期刊》B辑57页289页–（1995）·Zbl 0809.62014号
[3] 本杰米尼，《依赖性下多重测试中错误发现率的控制》，《统计年鉴》29，第1165页–（2001）·兹比尔1041.62061
[4] Charnigo，通过竞争模型之间的（L^2）距离检验混合分布的均匀性，《美国统计协会杂志》99 pp 488–（2004）·Zbl 1117.62307号
[5] Charnigo，《离散混合物的均匀性测试》，《统计规划与推断杂志》138页1368–（2008）·Zbl 1133.62009年
[6] H.Chen J.Chen 2003存在结构参数的正常混合物均匀性试验：技术细节http://www.stats.uwaterloo.ca/stats_navigation/techreports/01techreports.shtml中国统计局351 365·Zbl 1015.62015号
[7] Chen，有限混合模型同质性的改进似然比检验，《皇家统计学会期刊》B辑63第19页–（2001）·Zbl 0976.62011号
[8] Chen，带结构参数的有限混合模型中的改进似然比检验，《统计规划与推断杂志》129页93–（2004）
[9] 达戈斯蒂诺，《亲善技术》（1986）
[10] Dai，微阵列数据分析中的综合测试和基因过滤，《应用统计杂志》35页，第31页–（2008）·Zbl 1206.62083号
[11] Dempster，《通过EM算法从不完整数据中获取最大似然》，《皇家统计学会期刊》B系列39第1页–（1977）·Zbl 0364.62022号
[12] Efron，《大规模同时假设检验：零假设的选择》，《美国统计协会杂志》第99页，第96页–（2004）·Zbl 1089.62502号
[13] 弗格森，大样本理论课程（1996）·doi:10.1007/978-14899-4549-5
[14] Gadbury，《高维生物学中的功率和样本量估计》，《医学研究中的统计方法》13，第325页–（2004）·兹比尔1121.62607
[15] 盖尔曼，贝叶斯数据分析（1995）
[16] 《基因，错误发现率程序的操作特征和扩展》，《皇家统计学会期刊B辑》，第64页，第499页–（2002年）·Zbl 1090.62072号
[17] Hartigan，程序。伯克。J.Neyman和J.Kiefer荣誉大会2 pp 807–（1985）
[18] 黄，微阵列数据中最小样本量和歧视性表达模式的测定，生物信息学18页1184–（2002）
[19] Lee，DNA微阵列研究的功率和样本量，《医学统计学》21页3543–（2002）
[20] Lemdani，污染模型中的似然比测试，Bernoulli 5 pp 705–（1999）·Zbl 0929.62015号
[21] Liu，双组分正态混合模型中似然比检验的渐近性，《统计规划与推断杂志》123第61页–（2004）·Zbl 1050.62025号
[22] Muller，《多重测试的最佳样本量：基因表达微阵列案例》，《美国统计协会杂志》99页990–（2004）·Zbl 1055.62127号 ·doi:10.1198/0162145000001646
[23] BMC生物信息学7第84页–（2006）
[24] Pan，在微阵列实验中，检测基因表达变化需要多少个阵列重复？混合模型方法，基因组生物学3 pp 0022.1–（2002）
[25] X.J.Peng 2003微阵列数据分析中的同步推断和样本量考虑
[26] Pletcher，衰老和热量限制果蝇的全基因组转录谱，《当代生物学》12，第712页–（2002年）
[27] Redner，《混合物密度、最大似然和EM算法》，SIAM Review 26 pp 195–（1984）·Zbl 0536.62021号
[28] Reghunathan，严重急性呼吸综合征患者免疫反应基因的表达谱，BMC免疫学6第2页–（2005）
[29] Shaffer，《多重假设检验：综述》，《心理学年度评论》46页561–（1995）
[30] Smyth，用于评估微阵列实验中差异表达的线性模型和经验贝叶斯方法，遗传学和分子生物学中的统计应用3（1）（2004）·Zbl 1038.62110号
[31] Storey，The positive false discovery rate:A Bayesian interpretation and The q value，《统计年鉴》2013–（2003）第31页·Zbl 1042.62026
[32] Wright，用于检测小型微阵列实验中差异基因表达的随机方差模型，生物信息学19页2448–（2003）
[33] 朱，混合回归模型中的假设检验，英国皇家统计学会期刊B辑66第3页–（2004）·Zbl 1062.62033号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。