MVR公司 swMATH ID: 6770 软件作者： Dazard，Jean-Eudes；华旭；阿尔贝托·桑塔纳；J.苏尼尔·拉奥 说明： 高维数据的联合自适应均值-方差正则化和方差稳定化本文解决了高维高通量“组学”数据分析中的一个常见问题，即在变量数量远大于样本大小的一组数据中跨多个变量进行参数估计。这类数据带来的问题之一是，由于缺乏自由度，变量特异性方差估计不可靠，变量检验统计数据的功效较低。此外，在这类数据中观察到方差随着均值的函数而增加。我们引入了一种非参数自适应正则化程序，其创新之处在于（i）它使用了一种新的“相似性统计”-基于聚类技术生成人口参数的局部池或正则化收缩估计量，（ii）正则化是基于人口矩联合进行的，得益于C.Stein关于不可容许性的结果，这意味着通过使用包含在样本均值中的信息的收缩估计器来改进通常的样本方差估计器。从这些联合正则化收缩估计量中，我们导出了正则化类统计，并在模拟研究中表明，与标准样本对应物或常规通用值收缩估计量相比，或当样本平均值中包含的信息被简单忽略时，它们在假设检验中提供了更大的统计能力。最后，我们证明了这些估计量具有有趣的方差稳定化和归一化特性，可用于预处理高维多元数据。该方法以R包的形式提供，称为“MVR”（“均值-方差正则化”），可从CRAN网站下载。 主页： http://cran.r-project.org/web/packages/MVR/index.html 源代码： https://github.com/cran/MVR网址 依赖项： R（右） 关键词： 生物信息学;不可受理;正规化;收缩估算器;归一化;方差稳定化;{t R包MVR} 相关软件： ElemStatLearn（电子状态学习）;vsn（vsn）;形状记忆合金;平铺贴图;引导数据库;GSA公司;R（右） 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 高维数据的联合自适应均值-方差正则化和方差稳定化。 兹比尔1252.62036Jean-Eudes达扎德;J.Sunil Rao 2012 2位作者引用 1 Jean-Eudes达扎德 1 J.Sunil Rao 在1个序列中引用 1 计算统计与数据分析 在2个字段中引用 1 统计学（62-XX） 1 数值分析（65-XX） 按年份列出的引文