×

一种用于高斯参数估计的带有缺失数据机制的惩罚EM算法。 (英语) Zbl 1419.62321号

摘要:缺失数据率可能取决于许多环境中的目标值,包括基于质谱的蛋白质组分析研究。在这里,我们考虑了具有不可忽略损失的多元高斯分布下的均值和协方差估计,包括响应向量的维数等于或大于独立观测数的情形。通过最大化一类惩罚似然函数来开发参数估计程序,该函数需要对缺失数据概率进行显式建模。在模拟研究和蛋白质组数据图解中评估了由此产生的“包含缺失数据机制的惩罚EM算法(PEMM)”估计程序的性能。

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
10层62层 点估计
62甲12 多元分析中的估计

软件:

RegEM公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Afifi,《多元统计中的缺失观察:文献综述》,《美国统计协会杂志》61页595–(1966)
[2] Beale,多元分析中的缺失值,皇家统计学会杂志,B系列37第129页–(1975)·Zbl 0297.62014号
[3] Chen,蛋白质组研究中通路分析的正规化Hotellin's T2检验,美国统计协会杂志106 pp 1345–(2011)·兹比尔1234.62082 ·doi:10.1198/jasa.2011.ap10599
[4] Dempster,通过EM算法获得不完整数据的最大似然,皇家统计学会杂志,B系列39第1页–(1977)·Zbl 0364.62022号
[5] 法科,通过LC-MS/MS对丙烯酰胺标记的血清蛋白质进行定量分析,蛋白质组研究杂志,第5页,2009-(2006)·doi:10.1021/pr060102+
[6] Friedman,用图形套索进行稀疏逆协方差估计,生物统计学9 pp 432–(2008)·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[7] Green,《关于使用EM算法进行惩罚似然估计》,《皇家统计学会杂志》,B系列52,第443页–(1990)·Zbl 0706.62022号
[8] Ledoit,《大维协方差矩阵的良好估计》,《多元分析杂志》88页365–(2004)·Zbl 1032.62050 ·doi:10.1016/S0047-259X(03)00096-4
[9] Lin,协方差矩阵四个估计量的蒙特卡罗比较,多元分析-VI:第六届多元分析国际研讨会论文集,第411页–(1985)
[10] 少,缺失数据的统计分析(2002年)
[11] McLachlan,EM算法和扩展(1996)
[12] 孟,通过ECM算法的最大似然估计:一般框架,Biometrika 80 pp 267–(1993)·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2267
[13] Milac,《通过光谱计数和离子丰度分析LC-MS/MS数据:两个案例研究》,《统计学及其界面》,第5页,第75页–(2012年)·Zbl 1245.62153号 ·doi:10.4310/SII.2012.v5.n1.a7
[14] Neal,论证增量、稀疏和其他变量的EM算法视图,《图形模型中的学习》第355页–(1999)
[15] Paulovich,《描述酵母性能标准以基准LC-MS平台性能的实验室间研究》,《分子与细胞蛋白质组学》9,第242页–(2010年)·doi:10.1074/mcp。M900222-MCP200型
[16] Robins,多元回归模型中的半参数效率,美国统计协会杂志90页122–(1995)·兹伯利0818.62043 ·网址:10.1080/01621459.1995.10476494
[17] Robins,缺失数据下重复结果的半参数回归模型分析,《美国统计协会杂志》90页106–(1995)·Zbl 0818.62042号 ·doi:10.1080/01621459.1995.10476493
[18] Rothman,稀疏排列不变协方差估计,《电子统计杂志》第2期第494页–(2008)·Zbl 1320.62135号 ·doi:10.1214/08-EJS176
[19] 鲁宾,《推断和缺失数据》,《生物统计学》63第581页–(1976年)·Zbl 0344.62034号 ·doi:10.1093/biomet/63.3.581
[20] Rubin,调查中无应答的多重插补(1987)·兹比尔1070.62007 ·数字对象标识代码:10.1002/9780470316696
[21] 鲁宾,18年以上的多重插补(有讨论),《美国统计协会杂志》91 pp 473–(1996)·Zbl 0869.62014年 ·doi:10.1080/01621459.1996.10476908
[22] Schäfer,大规模协方差矩阵估计的收缩方法及其对功能基因组学的影响,遗传学和分子生物学中的统计应用4(2005)·doi:10.2202/1544-6115.1175
[23] Schafer,不完全多元数据分析(1997)·Zbl 0997.62510号 ·doi:10.1201/9781439821862
[24] 施耐德,《不完整气候数据的分析:平均值和协方差矩阵的估计以及缺失值的插补》,《气候杂志》14,第853页–(2001)·doi:10.1175/1520-0442(2001)014<0853:AOICDE>2.0.CO;2
[25] Städler,《缺失值:稀疏逆协方差估计及其对稀疏回归的扩展》,《统计学与计算》22第219页–(2012)
[26] Städler,N.Stekhoven,D.J.Bühlmann,P.2012大P,小N问题中缺失数据的模式交替最大化算法·Zbl 1319.62114号
[27] Troyanskaya,DNA微阵列缺失值估计方法,生物信息学17 pp 520–(2001)·doi:10.1093/bioinformatics/17.6.520
[28] Wu,关于EM算法的收敛性,《统计年鉴》11第95页–(1983)·Zbl 0517.62035号 ·doi:10.1214/aos/1176346060
[29] 袁,分组变量回归中的模型选择和估计,《皇家统计学会杂志》,B辑68,第49页–(2006)·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
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。