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。