×
阿兰·塞利斯;罗宾（Stéphane Robin）

基于交叉验证的真实零假设比例估计。 （英语） Zbl 1204.62127号

J.统计计划。推断 140，第11期，3132-3147（2010）.
摘要：在多重测试环境中，一个具有挑战性的问题是真零假设的比例估计。这一数量的大量估计依赖于可识别性假设，这些假设要么在实际数据中似乎被违背，要么至少可以放宽。所提出的估计量（hat{\pi}_{0}）是由直方图密度估计和交叉验证得到的。在独立性下得到了几个一致性结果。基于Y.本杰米尼和Y.霍克伯格程序（BH-程序）[J.R.Stat.Soc.，Ser.B 57，No.1，289-300（1995；Zbl 0809.62014号)]以及所提出的估计量。该过程是渐近最优的，提供了渐近期望的错误发现率（FDR）控制，并且比BH过程更强大。最后通过几个模拟实验评估了（hat{\pi}_{0}）的非渐近行为。在通常情况下，它优于许多现有的估计器，并且在其他估计器通常失败的“U形”密度下保持准确。它对依赖性没有表现出任何强烈的敏感性。对于\（m\）块结构的依赖数据，当使用\（m/50\）块时，它在块内相关性\（\rho=0.5\）之前保持可靠。

引用于10文件

MSC公司：

62J15型 配对和多重比较；多次测试
62G07年 密度估算
6220国集团 非参数推理的渐近性质
65C60个 统计中的计算问题（MSC2010）

关键词：

多次测试;错误发现率;交叉验证;密度估计;直方图

引文：

Zbl 0809.62014号

软件：

暮光;生物导体;黄昏
PDF格式BibTeX公司 XML格式引用
\textit{A.Celisse}和\textit{S.Robin}，J.Stat.Plann。推断140，No.11，3132--3147（2010；Zbl 1204.62127）
全文： 内政部

参考文献：

[1] Arlot，S.，Celisse，A.，2010年。模型选择的交叉验证程序调查。统计调查4，40-79，doi:10.1214/09-SS054；Arlot，S.，Celisse，A.，2010年。模型选择的交叉验证程序调查。统计调查4，40-79，doi:10.1214/09-SS054·Zbl 1190.62080号
[2] 巴伦，A。；Birgé，L。；Massart，P.，通过惩罚选择模型的风险边界，Probab。理论相关领域，113301-413（1999）·Zbl 0946.62036号
[3] Y.本杰米尼。；Hochberg，Y.，《控制错误发现率：一种实用且强大的多重测试方法》，J.Roy。统计师。Soc.序列号。B、 57、1、289-300（1995）·Zbl 0809.62014号
[4] Y.本杰米尼。；Krieger，A.M。；Yekutieli，D.，控制错误发现率的自适应线性加速程序，Biometrika，93，3，491-507（2006）·Zbl 1108.62069号
[5] Y.本杰米尼。；Yekutieli，D.，依赖下多重测试中错误发现率的控制，Ann.Statist。，29, 4, 1165-1188 (2001) ·Zbl 1041.62061号
[6] Broberg，P.，《未改变基因比例估计值和错误发现率的比较综述》，BMC生物信息学，6199（2005）
[7] 塞利斯，A。；Robin，S.，通过精确的退出交叉验证进行非参数密度估计，计算。统计师。数据分析。(2007) ·Zbl 1452.62264号
[8] Dudoit，S。；Popper Shaffer，J。；Boldrick，J.C.，微阵列实验中的多重假设检验，统计学。科学。，18, 1, 71-103 (2003) ·兹比尔1048.62099
[9] Efron，B.，《大尺度同时假设检验：无效假设的选择》，J.Amer。统计师。协会，99，465，96-104（2004）·Zbl 1089.62502号
[10] 埃夫隆，B。；Tibshirani，R。；Storey，J.D。；Tusher，V.，微阵列实验的经验贝叶斯分析，J.Amer。统计师。协会，96，456，1151-1160（2001）·Zbl 1073.62511号
[11] Genovese，C。；Wasserman，L.，错误发现控制的随机过程方法，Ann.Statist。，32, 3, 1035-1061 (2004) ·Zbl 1092.62065号
[12] Hastie，T.、Tibshirani，R.、Friedman，J.，2001年。统计学习的要素。斯普林格统计学系列。；Hastie，T.、Tibshirani，R.、Friedman，J.，2001年。统计学习的要素。Springer统计学系列，Springer·Zbl 0973.62007号
[13] Langaas，M。；Lindqvist，B.H。；Ferkingstad，E.，估算真零假设的比例，并应用于DNA微阵列数据，J.Roy。统计师。Soc.序列号。B、 67、4、555-572（2005）·Zbl 1095.62037号
[14] Lebarbier，E.，通过模型选择检测高斯过程均值中的多个变化点，信号处理。，85, 717-736 (2005) ·Zbl 1148.94403号
[15] 磅，S。；Cheng，C.，错误发现率的稳健估计，生物信息学，22,161979-1987（2006）
[16] Rudemo，M.，直方图和核密度估计的经验选择，Scand。J.统计。，9, 65-78 (1982) ·Zbl 0501.62028号
[17] Ruppert，D。；Nettleton，D。；Gene Hwang，J.T.，探索p-值中的信息以分析和规划多重测试实验，生物统计学，63，483-495（2007）·Zbl 1152.62087号
[18] Scheid，S。；Spang，R.，估计局部错误发现率的随机下坡搜索算法，IEEE Trans。计算。生物.生物信息学，1，3，98-108（2004）
[19] Scheid，S。；斯潘，R.，《暮光之城》；用于估计局部错误发现率的生物导体包，生物信息学，21，12，2921-2922（2005）
[20] 施韦德，T。；Spjötvoll，E.，《同时评估多项测试的p值图》，Biometrika，69，493-502（1982）
[21] Scott，D.，《关于最优和基于数据的直方图》，《生物统计学》，66，3，605-610（1979）·Zbl 0417.62031号
[22] Shao，J.，通过交叉验证选择模型，J.Amer。统计师。协会，88，422，486-494（1993）·Zbl 0773.62051号
[23] Storey，J.D.，《错误发现率的直接方法》，J.Roy。统计师。Soc.序列号。B、 64,3479-498（2002年）·兹比尔1090.62073
[24] Storey，J.D。；Tibshirani，R.，全基因组研究的统计意义，Proc。美国国家科学院。科学。，100, 16, 9440-9445 (2003) ·Zbl 1130.62385号
[25] Storey，J。；泰勒，J.E。；Siegmund，D.，《错误发现率的强控制、保守点估计和同时保守一致性：统一方法》，J.Roy。统计师。Soc.序列号。B、 66、1、187-205（2004）·Zbl 1061.62110号
[26] 范德法特，A.W.，1998年。渐近统计学，剑桥统计与概率数学系列。剑桥大学出版社，剑桥（GB），纽约州西尼亚克；范德法特，A.W.，1998年。渐近统计学，剑桥统计与概率数学系列。剑桥大学出版社，剑桥（GB），纽约州西尼亚克·Zbl 0910.62001号
[27] Yang，Y.，比较回归程序的交叉验证一致性，Ann.Statist。，35, 2450-2473 (2007) ·Zbl 1129.62039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。