朱莉安·斯蒂芬妮·施费尔 复杂基因组数据网络依赖结构的小样本分析和推断。 （英语） Zbl 1109.62109号 慕尼黑：慕尼黑大学，Fakultät für Mathematik，Informatik und Statistik（Diss.）。108页。(2005). 摘要：目前的工作是关于遗传网络的建模和推断。关联和依赖结构在系统生物学中无处不在。当前的基因表达数据集包含大量变量，但样本很少（“小（n），大（p）”）。因此，图形模型的应用是一个需要显式正则化的不适定（逆）问题。在这篇论文中，我提出了几种新的协方差和（偏）相关估计。这些是基于通过引导聚合或收缩来减少方差的。新型收缩估计器利用了一个确定最佳收缩强度的分析公式，与标准估计器相比，它具有特别明显的优势：除了提高效率和准确性外，它总是正定且条件良好的。对于推断网络拓扑，特别关注基于条件独立概念的图形高斯模型（GGM）。介绍了一种模型选择过程，该过程使用了假发现率多重测试和零分布的自适应估计。所提出的小样本框架在计算上是高效的，并且与竞争方法相比，无论是在模拟中还是在实际表达式数据的应用中，都表现得非常好。 MSC公司： 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 05C90年 图论的应用 软件：暮光;vsn（vsn）;暮光 PDF格式BibTeX公司 XML格式引用 \textit{J.S.Schäfer}，小样本分析和从复杂基因组数据推断网络依赖结构。慕尼黑：慕尼黑大学，Fakultät für Mathematik，Informatik und Statistik（Diss.）（2005；Zbl 1109.62109）