薛祥杰;王勇 大规模多重比较问题中密度和零比例估计的非参数混合方法。 (英语) Zbl 1521.62043号 澳大利亚。N.Z.J.统计。 65,编号1,49-75(2023). 摘要:针对大规模多重比较问题,提出了一种估计零效应比例的新方法。它使用非参数混合物的最大似然估计,这也提供了测试统计的密度估计。它克服了在估计混合分布的非参数过程中,通常的非参数极大似然估计量在零效应位置不能产生正概率的问题。剖面似然进一步用于帮助生成一系列零比例值,与之对应的密度估计值都是一致的。通过对轮廓似然比的阈值函数进行适当选择,可以证明该范围的上端点是零比例的一致估计。数值研究表明,所提出的方法在所有研究的情况下都有明显的收敛趋势,与文献中现有的方法相比表现良好。{©2023作者。澳大利亚和新西兰统计杂志由John Wiley&Sons Australia,Ltd代表澳大利亚统计学会出版。} MSC公司: 62G05型 非参数估计 62J15型 配对和多重比较;多次测试 第62页第10页 统计学在生物学和医学中的应用;元分析 关键词:一致性估计;混合物分布;多重假设检验;非参数混合物;零效应;剖面似然 软件:混合器 PDF格式BibTeX公司 XML格式引用 \textit{X.Xue}和\textit{Y.Wang},澳大利亚。N.Z.J.Stat.65,No.1,49--75(2023;Zbl 1521.62043) 全文: 内政部 OA许可证 参考文献: [1] Akaike,H.(1974年)。统计识别模型的新视角。IEEE自动控制汇刊19,716-723·Zbl 0314.62039号 [2] Benjamini,Y.和Hochberg,Y.(1995)。控制错误发现率:一种实用且强大的多重测试方法。《皇家统计学会杂志》,B57系列,289-300·Zbl 0809.62014号 [3] Cai,T.、Jin,J.和Low,M.G.(2007年)。稀疏正态混合的估计和置信集。统计年鉴352421-2449·Zbl 1360.62113号 [4] Dax,A.(1990年)。多面体的最小点。最优化理论与应用杂志64,429-432·Zbl 0666.90031号 [5] 邓肯,D.B.(1955)。多量程和多个F测试。生物统计学11,1-42。 [6] Efron,B.(2003)。罗宾斯,经验贝叶斯和微阵列。《统计年鉴》31,366-378·Zbl 1038.62099号 [7] Efron,B.(2004)。大规模同步假设测试。《美国统计协会杂志》99,96-104·Zbl 1089.62502号 [8] Efron,B.(2007a)。相关性和大规模同时显著性测试。《美国统计协会杂志》102,93-103·Zbl 1284.62340号 [9] Efron,B.(2007b)。大小、功耗和错误发现率。《统计学年鉴》351351-1377·Zbl 1123.62008年 [10] Efron,B.(2010年)。大规模推断:估计、测试和预测的经验贝叶斯方法。剑桥:剑桥大学出版社·Zbl 1277.62016年 [11] Efron,B.、Tibshirani,R.、Storey,J.D.和Tusher,V.(2001)。微阵列实验的经验贝叶斯分析。《美国统计协会杂志》96,1151-1160·Zbl 1073.62511号 [12] Fisher,R.A.(1925年)。研究人员的统计方法。爱丁堡:奥利弗和博伊德。 [13] Hochberg,Y.(1988)。用于多项重要测试的更清晰的Bonferroni程序。生物特征75,800-802·Zbl 0661.62067号 [14] Holm,S.(1979年)。一个简单的顺序拒绝多重测试程序。斯堪的纳维亚统计杂志6,65-70·Zbl 0402.62058号 [15] Jiang,W.和Zhang,C.H.(2016)。正态混合物的广义似然比检验。中国统计局26,955-978·Zbl 1359.62061号 [16] Jin,J.&Cai,T.(2007)。在大规模多重比较中估算零效应和非零效应的比例。《美国统计协会杂志》478495-506·Zbl 1172.62319号 [17] Kiefer,J.和Wolfowitz,J.(1956年)。存在无穷多个伴随参数时最大似然估计的相合性。《数理统计年鉴》27887-906·Zbl 0073.14701号 [18] Laird,N.(1978年)。混合分布的非参数极大似然估计。《美国统计协会杂志》73,805-811·Zbl 0391.62029号 [19] Langaas,M.、Lindqvist,B.H.和Ferkingstad,E.(2005)。估计真零假设的比例,并应用于dna微阵列数据。英国皇家统计学会杂志,B67系列,555-572·Zbl 1095.62037号 [20] Lawson,C.L.和Hanson,R.J.(1974年)。解决最小二乘问题。恩格尔伍德悬崖:Prentice‐Hall·Zbl 0860.65028号 [21] Li,A.&Barber,R.F.(2017)。有序假设检验中fdr控制的累积检验。《美国统计协会杂志》112,837-849。 [22] Liao,J.G.,Lin,Y.,Selvanayagam,Z.E.&Shih,W.J.(2004)。用于估计dna微阵列分析中局部错误发现率的混合模型。生物信息学20,2694-2701。 [23] Lindsay,B.G.(1983年)。混合可能性的几何:一个一般理论。统计年鉴11,86-94·Zbl 0512.62005号 [24] Lindsay,B.G.(1995年)。混合模型:理论、几何和应用。海沃德:数理统计研究所·Zbl 1163.62326号 [25] Lindsay,B.G.和Roeder,K.(1993年)。混合模型中估计和可识别性的唯一性。《加拿大统计杂志》(The Canadian Journal of Statistics)/《加拿大统计评论》(La Revue Canadienne de Statistique)21139-147·Zbl 0779.62032号 [26] McLachlan,G.J.,Bean,R.W.&Jones,L.B.(2006年)。多类微阵列中差异基因表达的正常混合方法的简单实现。生物信息学221608-1615。 [27] Meinshausen,N.和Rice,J.(2006年)。在大量独立测试的假设中估计假零假设的比例。《统计年鉴》34373-393·Zbl 1091.62059号 [28] Muralidharan,O.(2010年)。一种用于效果大小和错误发现率估计的经验贝叶斯混合方法。应用统计年鉴422-438·Zbl 1189.62004号 [29] Neyman,J.和Pearson,E.S.(1933年)。关于统计假设的最有效检验问题。《皇家学会哲学学报》A231289-339·Zbl 0006.26804号 [30] Robbins,H.(1951年)。复合统计决策问题的渐近次极小解。《第二届伯克利数理统计与概率研讨会论文集》,J.Neyman(编辑),第131-149页。加州伯克利:加利福尼亚大学出版社·Zbl 0044.14803号 [31] Robbins,H.(1956年)。统计学的经验贝叶斯方法。第三届伯克利数理统计与概率研讨会论文集,第1卷:对统计理论的贡献,J.内曼(编辑),第157-163页。加州伯克利:加利福尼亚大学出版社·Zbl 0074.35302号 [32] Robbins,H.(1964年)。统计决策问题的经验贝叶斯方法。《数理统计年鉴》35,1-20·Zbl 0138.12304号 [33] Schwarz,G.E.(1978年)。估算模型的维度。统计年鉴461-464·Zbl 0379.62005年 [34] Singh,D.、Febbo,P.G.、Ross,K.等人(2002年)。基因表达与临床前列腺癌行为相关。癌症细胞1203-209。 [35] Storey,J.D.和Tibshirani,R.(2003)。全基因组研究的统计意义。美国国家科学院院刊100,9440-9445·Zbl 1130.62385号 [36] Tukey,J.W.(1953年)。多重比较问题。新泽西州普林斯顿:普林斯顿大学。 [37] 王毅(2007)。关于快速计算混合分布的非参数最大似然估计。《皇家统计学会杂志》,B69系列,185-198年·Zbl 1120.62022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。