×

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。 (英语) Zbl 1189.62004号

摘要:许多统计问题涉及数千个平行案例的数据。每个案例都有一些相关的影响大小,大多数案例都没有影响。估计每个病例的影响大小和局部或尾部区域错误发现率通常很重要。大多数当前方法都是单独进行此操作的,并且大多数方法都是针对正常数据设计的。本文使用经验贝叶斯混合模型方法来估计指数族数据的两个量。提出的方法产生了简单、可解释的模型,这些模型仍然可以非参数地使用。它还可以估计经验零点,并将其完全纳入模型。在正常数据模拟中,该方法优于现有的效应大小和错误发现率估计方法;它几乎实现了效果大小估计的贝叶斯误差。该方法在CRAN免费提供的R包(mixfdr)中实现。

MSC公司:

62C12号机组 经验决策程序;经验贝叶斯程序
62G05型 非参数估计
65C60个 统计中的计算问题(MSC2010)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Abramovich,F.、Benjamini,Y.、Donoho,D.L.和Johnston,I.M.(2006)。通过控制错误发现率来适应未知稀疏性。安。统计师。34 584-653. ·Zbl 1092.62005年 ·doi:10.1214/00905360000000074
[2] Abramovich,F.、Grinshtein,V.和Pensky,M.(2007)。正态均值问题中贝叶斯证明的最优性。安。统计师。35 2261-2286. ·兹比尔1126.62003 ·doi:10.1214/009053607000000226
[3] Allison,D.B.、Gadbury,G.L.、Heo,M.、Fernandez,J.R.、Lee,C.K.、Prolla,T.A.和Weindruch,R.(2002)。用于分析微阵列基因表达数据的混合模型方法。计算。统计师。数据分析。1 1-20. ·Zbl 1119.62371号 ·doi:10.1016/S0167-9473(01)00046-9
[4] Brown,L.D.(1971)。可容许估计量、循环扩散和不可解边值问题。安。数学。统计师。42 855-903. ·Zbl 0246.62016号 ·doi:10.1214/aoms/1177693318
[5] Brown,L.D.(2008年)。击球平均数的季节内预测:经验贝叶斯和贝叶斯方法的现场测试。附录申请。统计师。2 113-152. ·Zbl 1137.62419号 ·doi:10.1214/07-AOAS138支持
[6] Cai,T.、Jin,J.和Low,M.(2007)。稀疏正态混合的估计和置信集。安。统计师。35 2421-2449. ·Zbl 1360.62113号 ·doi:10.1214/00905360700000334
[7] Donoho,D.L.和Johnstone,I.M.(1994年)。通过小波收缩实现理想的空间自适应。生物特征81 425-455·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[8] Donoho,D.L.和Johnstone,I.M.(1995)。通过小波收缩适应未知平滑度。J.Amer。统计师。协会90 1200-1224·Zbl 0869.62024号 ·数字对象标识代码:10.2307/2291512
[9] Efron,B.(2004)。大规模同步假设检验。J.Amer。统计师。协会99 96-104·Zbl 1089.62502号 ·doi:10.1198/0162145000000089
[10] Efron,B.(2008a)。大规模预测问题的经验贝叶斯估计·Zbl 1388.62009号
[11] Efron,B.(2008b)。微阵列、经验贝叶斯和两组模型。统计师。科学。23 1-22. ·Zbl 1327.62046号 ·doi:10.1214/07-STS236
[12] Efron,B.(2009年)。相关z值和大规模统计估计的准确性·Zbl 1390.62139号 ·doi:10.1198/jasa.2010.tm09129
[13] Efron,B.、Tibshirani,R.、Storey,J.D.和Tusher,V.(2001年)。微阵列实验的经验贝叶斯分析。J.Amer。统计师。协会96 1151-1160·Zbl 1073.62511号 ·doi:10.1198/016214501753382129
[14] Jin,J.和Cai,T.(2007)。在大规模多重比较中估计零效应和非零效应的比例。J.Amer。统计师。协会102 495-506·Zbl 1172.62319号 ·doi:10.1198/0162145000000167
[15] Johnstone,I.M.和Silverman,B.W.(2004)。干草堆中的针和稻草:可能稀疏序列的经验Bayes估计。安。统计师。4 1594-1649. ·Zbl 1047.62008年 ·数字对象标识代码:10.1214/00905360400000030
[16] McLachlan,G.和Peel,D.(2000年)。有限混合模型。Wiley-Interscience,纽约·Zbl 0963.62061号
[17] 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。安。统计师。34 373-393. ·Zbl 1091.62059号 ·doi:10.1214/009053605000000741
[18] Muralidharan,O.(2009年)。补充“错误发现率和影响大小估计的经验贝叶斯混合方法”。附录申请。统计师。DOI:,DOI:10.1214/09-AOAS276支持。
[19] Newton,M.A.、Noueiry,A.、Sarkar,D.和Ahlquis,P.(2004)。用半参数分层混合方法检测差异基因表达。生物统计学5 155-176·Zbl 1096.62124号 ·doi:10.1093/biostatistics/5.2.155
[20] Pan,W.,Lin,J.和Le,C.T.(2003)。用微阵列数据检测差异表达基因的混合模型方法。功能基因组学和综合基因组学3 117-124。
[21] Pensky,M.(2006)。高斯和非高斯噪声下贝叶斯小波收缩规则的最优性。安。统计师。34 769-807. ·Zbl 1095.62049号 ·doi:10.1214/0090536000000128
[22] Robbins,H.(1954年)。统计的经验贝叶斯方法。程序中。第三届伯克利交响乐团。数学。统计师。普罗巴伯。1(J.Neyman编辑)157-163。加利福尼亚大学出版社,加利福尼亚州伯克利·Zbl 0074.35302号
[23] Storey,J.D.(2002)。错误发现率的直接方法。J.罗伊。统计师。Soc.序列号。乙64 479-498·Zbl 1090.62073号 ·doi:10.1111/1467-9868.00346
[24] Strimmer,K.(2008)。错误发现率估计的统一方法。BMC生物信息学9 303·Zbl 1318.62329号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。