大卫·多诺霍;金佳顺 对大规模推理，特别是对罕见和微弱效果的批评更高。 （英语） 兹比尔1332.62019 统计科学。 30，第1号，1-25（2015）. 摘要：在现代高通量数据分析中，研究人员进行了大量的统计测试，希望在以零为主要背景的情况下发现可能只有一小部分的显著影响。引入了更高批评（HC），以确定是否存在任何非零效应；最近，它被应用于特征选择，它提供了一种从大量潜在有用特征中选择有用预测特征的方法，其中只有极少数被证明真正有用。在本文中，我们回顾了HC在测试和功能选择设置中的基础知识。HC是一个灵活的想法，很容易适应新的情况；我们指出了对团检测和二元离群点检测的简单适应。HC虽然仍处于早期发展阶段，但从业者对其越来越感兴趣；我们用实例来说明这一点。HC的计算效率很高，这使得它在我们今天看到的越来越相关的“大数据”设置中具有很好的杠杆作用。我们还回顾了HC背后的潜在理论“意识形态”。这个罕见/微弱（RW）模型是一个理论框架，同时控制无用/零体积中有用/重要项目的大小和流行程度。RW模型表明，HC相对于更为著名的过程（如错误发现率（FDR）控制和家族错误控制（FwER））具有重要优势，尤其是某些优化特性。我们讨论罕见/脆弱相图这是一种清晰地可视化RW设置类别的方法，其中真实信号非常罕见或非常微弱，以至于检测和特征选择根本不可能实现，也是一种了解HC已知优化特性的方法。 引用于32文件 MSC公司： 62A01型 统计学基础和哲学主题 62-07 数据分析（统计）（MSC2010） 关键词：分类;FDR控制;特征选择;更高的批评;大协方差矩阵;大规模推理;罕见且微弱的影响;相图;稀疏信号检测 软件：特别提款权;促进;科尔科尔;玻璃制品;屏幕清洁 PDF格式BibTeX公司 XML格式引用 \textit{D.Donoho}和\textit{J.Jin}，统计科学。30，编号1，1--25（2015年；兹bl 1332.62019） 全文： 内政部 arXiv公司 欧几里得 参考文献： [1] Addario-Berry，L.、Broutin，N.、Devroye，L.和Lugosi，G.（2010年）。关于组合测试问题。安。统计师。38 3063-3092. ·Zbl 1200.62059号 ·doi:10.1214/10-AOS817 [2] Ahdesmäki，M.和Strimmer，K.（2010年）。使用cat分数和假不发现率控制的经济预测问题中的特征选择。附录申请。统计数据4 503-519·Zbl 1189.62102号 ·doi:10.1214/09-AOAS277 [3] Anderson，C.（2008）。理论的终结：数据泛滥使科学方法过时。《连线杂志》2008年6月23日16.07。 [4] Anderson，T.W.和Darling，D.A.（1952年）。基于随机过程的某些“拟合优度”准则的渐近理论。安。数学。统计师。23 193-212. ·Zbl 0048.11301号 ·doi:10.1214/aoms/1177729437 [5] Arias-Castro，E.、Candès，E.和Durand，A.（2011年）。网络中异常簇的检测。统计年鉴。39 278-304. ·Zbl 1209.62097号 ·doi:10.1214/10-AOS839 [6] Arias-Castro，E.、Candès，E.和Plan，Y.（2011年）。稀疏替代方案下的全球测试：方差分析、多重比较和较高的批评。安。统计师。39 2533-2556. ·Zbl 1231.62136号 ·doi:10.1214/11-AOS910 [7] Arias-Castro，E.和Wang，M.（2013）。稀疏非均匀混合物的无分布测试。可从获取。arXiv:1308.0346·Zbl 1422.62159号 [8] Balabdaoui，F.、Jankowski，H.、Pavlides，M.、Seregin，A.和Wellner，J.（2011）。关于零处的Grenander估计量。统计师。Sinica中国21 873-899·Zbl 1214.62037号 ·doi:10.5705/ss.2011.038a [9] Benjamini，Y.（2010年）。发现错误发现率。J.R.统计社会服务。B.统计方法。72 405-416. ·文件编号：10.1111/j.1467-9868.2010.00746.x [10] Benjamini，Y.和Hochberg，Y.（1995年）。控制错误发现率：一种实用且强大的多重测试方法。J.R.统计社会服务。B.统计方法。57 289-300. ·Zbl 0809.62014号 [11] Bennett，M.F.、Melatos，A.、Delaigle，A.和Hall，P.（2012年）。用更高的批评统计重新分析F统计的引力波搜索。天体物理学。期刊766 1-10。 [12] Berk，R.H.和Jones，D.H.（1979年）。在科尔莫戈洛夫统计中占主导地位的优秀测试统计数据。Z.Wahrsch公司。版本。盖布。47 47-59. ·Zbl 0379.62026号 ·doi:10.1007/BF00533250 [13] Bickel，P.和Levina，E.（2008）。大协方差矩阵的正则化估计。安。统计师。36 199-227. ·Zbl 1132.62040号 ·doi:10.1214/009053607000000758 [14] Blomberg，N.（2012年）。罕见和弱模型中信号检测的高批评测试。瑞典斯德哥尔摩KTH皇家理工学院硕士论文。 [15] Bogdan，M.、Ghosh，J.和Tokdar，T.（2008）。比较Benjamini-Hochberg程序与一些贝叶斯规则的多重测试。跨学科研究中的超越参数：纪念Pranab K.Sen 1 211-230教授。俄亥俄州比奇伍德IMS。 ·doi:10.1214/193940307000000158 [16] Bogdan，M.、Chakrabarti，A.、Frommlet，F.和Ghosh，J.（2011年）。一些多重测试过程稀疏性下的渐近贝叶斯优化。安。统计师。39 1551-1579. ·Zbl 1221.62012年 ·doi:10.1214/10-AOS869 [17] Box，M.和Meyer，D.（1986年）。无重复分数阶乘的分析。技术计量28 11-18·Zbl 0586.62168号 ·doi:10.2307/1269599 [18] Breiman，L.（2001）。随机森林。机器。学习。24 5-32. ·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [19] Burges，C.（1998年）。模式识别支持向量机教程。数据最小知识。迪斯科。2 121-167。 [20] Butucea，C.和Ingster，Y.I.（2013年）。高维噪声矩阵的稀疏子矩阵的检测。伯努利19 2652-2688·Zbl 1457.62072号 ·doi:10.3150/12-BEJ470 [21] Cai，T.、Jeng，J.和Jin，J.（2011）。检测稀疏的异质和异方差混合物。J.R.统计社会服务。B.统计方法。73 629-662. ·Zbl 1228.62020号 ·文件编号：10.1111/j.1467-9868.2011.00778.x [22] Cai，T.和Jin，J.（2010）。大规模多重测试中估计零位密度和非零位效应比例的最佳收敛速度。安。统计师。38 100-145. ·Zbl 1181.62040号 ·doi:10.1214/09-AOS696 [23] 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. ·兹比尔1360.62113 ·doi:10.1214/00905360700000334 [24] Cai，T.、Liu，W.和Luo，X.（2010）。稀疏精度矩阵估计的约束（L^{1}）最小化方法。J.Amer。统计师。协会106 594-607·Zbl 1232.62087号 ·doi:10.198/jasa.2011.tm10155 [25] Cai，T.和Wu，Y.（2014）。针对给定零分布的稀疏混合的最佳检测。IEEE传输。通知。理论60 2217-2232·Zbl 1360.94108号 ·doi:10.1109/TIT.2014.2304295 [26] Cayon，L.、Banday，A.J.等人（2006年）。对于Bianchi修正的Wilkinson微波各向异性探针数据，没有更高的批评。周一。不是。罗伊。阿童木。Soc.369 598-602。 [27] Cayon，L.、Jin，J.和Treaster，A.（2004）。更高的批评统计：检测和识别WMAP第一年数据中的非高斯性。周一。不是。罗伊。阿童木。Soc.362 826-832·Zbl 1110.53045号 ·doi:10.2996/kmj/104247346 [28] Charbonnier，G.（2012年）。从非独立和相同分布的转录组数据推断基因调控网络。法国埃夫里·瓦尔德埃松大学博士论文。 [29] Cruz，M.、Cayon，L.、Martinez-Gonzalez，E.、Vielva，P.和Jin，J.（2007）。威尔金森微波各向异性探测器3年数据中的非高斯冷点。天体物理学。J.655 11-20。 [30] Dai，H.、Charnigo，R.、Srivastava，T.、Talebizadeh，Z.和Qing，S.（2012）。整合遗传和基因组数据分析的P值。生物杂志。生物统计。2012 3-7. [31] Dasgupta，A.、Lahiri，S.和Stoyanov，J.（2014）。高斯样本最大值的均值和中值的锐利固定界和渐近展开式，以及在Donoho-Jin模型中的应用。统计方法。20 40-62. ·doi:10.1016/j.stamet.2014.01.002 [32] de Uña-Alvarez，J.（2012年）。多重相关测试的贝塔-二项式SGoF方法。统计应用程序。遗传学。分子生物学。11 1544-6115. ·Zbl 1296.92084号 ·数字对象标识代码：10.1515/1544-6115.1812 [33] Delaigle，A.和Hall，P.（2009年）。在未知分布、非依赖性和分类的背景下受到更高的批评。《数学科学展望I：概率与统计学》（N.Sastry，M.Delampady，B.Rajeev和T.S.S.R.K.Rao编辑）109-138。世界科学。 ·doi:10.1142/9789814273633_0006 [34] Delaigle，A.、Hall，J.和Jin，J.（2011）。基于Student t统计量的高维数据分析方法的稳健性和准确性。J.R.统计社会服务。B.统计方法。73 283-301. ·doi:10.1111/j.1467-9868.2010.00761.x [35] Dettling，M.（2004）。BagBoosting用于基因表达数据的肿瘤分类。生物信息学20 3583-3593。 [36] Dettling，M.和Bühlmann，P.（2003）。利用基因表达数据促进肿瘤分类。生物信息学19 1061-1069。 [37] De la Cruz，O.、Wen，X.、Ke，B.、Song，M.和Nicolae，D.L.（2010年）。全基因组研究中的基因、区域和通路水平分析。遗传学。流行病。34 222-231. [38] Donoho，D.（2006年）。压缩传感。IEEE传输。通知。理论52 1289-1306·Zbl 1288.94016号 ·doi:10.1109/TIT.2006.871582 [39] Donoho，D.和Jin，J.（2004）。对检测稀疏非均匀混合物的批评更高。安。统计师。32 962-994. ·Zbl 1092.62051号 ·doi:10.1214/009053604000000265 [40] Donoho，D.和Jin，J.（2008）。较高的批评阈值：当有用的特征很少且较弱时，进行最佳特征选择。程序。国家。阿卡德。科学。美国105 14790-14795·Zbl 1357.62212号 ·doi:10.1073/pnas.0807471105 [41] Donoho，D.和Jin，J.（2009）。高临界阈值特征选择：最佳相图。菲洛斯。事务处理。R.Soc.伦敦。序列号。数学。物理。工程科学。367 4449-4470. ·Zbl 1185.62113号 ·doi:10.1098/rsta.2009.0129 [42] Efron，B.（2004）。大规模同步假设检验：选择一个无效假设。J.Amer。统计师。协会99 96-104·Zbl 1089.62502号 ·doi:10.1198/0162145000000089 [43] Efron，B.（2011年）。大尺度推断：估计、测试和预测的经验贝叶斯方法。剑桥大学出版社，剑桥·Zbl 1256.62007年 [44] Efron，B.、Tibshirani，R.、Storey，J.和Tusher，V.（2001）。微阵列实验的经验贝叶斯分析。J.Amer。统计师。协会99 96-104·兹比尔1073.62511 ·doi:10.1198/016214501753382129 [45] El-Fishawy，P.（2013）。常见病-常见变异假说。自闭症谱系障碍百科全书719-720。 [46] Fan，J.和Fan，Y.（2008）。使用特征退火独立性规则进行高维分类。安。统计师。36 2605-2637. ·Zbl 1360.62327号 ·doi:10.1214/07-AOS504 [47] Fan，Y.、Jin，J.和Yao，Z.（2013）。稀疏高斯图形模型中通过较高的批判度进行最优特征选择。安。统计师。41 2537-2571. ·Zbl 1294.62061号 ·doi:10.1214/13-AOS1163 [48] Fienberg，S.和Jin，J.（2012）。高维回归和分类设置中的隐私保护数据共享。J.隐私和保密4第10条。 [49] Friedman，J.、Hastie，T.和Tibshirani，R.（2008）。用图形套索进行稀疏逆协方差估计。生物统计学9 432-441·兹比尔1143.62076 ·doi:10.1093/biostatistics/kxm045 [50] Gayraud，G.和Ingster，Y.I.（2011年）。稀疏变量函数的检测。可从获取。arXiv:1011.6369·Zbl 1295.62062号 ·doi:10.1214/12-EJS715 [51] Ge，Y.和Li，X.（2012）。控制独立测试的零假设的错误发现比例。J.遗嘱认证。《法律总汇》第320425条，19页·Zbl 1245.62089号 ·doi:10.1155/2012/320425 [52] Genovese，C.、Jin，J.、Wasserman，L.和Yao，Z.（2012）。套索回归和边际回归的比较。J.马赫。学习。第13号决议2107-2143·Zbl 1435.62270号 [53] Goldstein，D.B.（2009）。常见的遗传变异和人类特征。新英格兰医学杂志。360 1696-1698。 [54] Golub，T.等人（1999年）。癌症的分子分类：通过基因表达监测进行分类发现和分类预测。科学286 531-536。 [55] Gontscharuk，V.、Landwehr，S.和Finner，H.（2012）。对当地高层行为的批评测试。电子。《美国联邦法律大全》第1-27卷·Zbl 1388.62129号 [56] Gordon，G.J.、Jensen，R.V.、Shoao，L.-L.、Gullans，S.R.、Blumenstock，J.E.、Ramaswamy，S.、Richards，W.G.、Sugarbaker，D.J.和Bueno，R.（2002）。使用肺癌和间皮瘤中的基因表达比率将微阵列数据转换为临床相关癌症诊断测试。癌症研究62 4963-4967。 [57] Greenshtein，E.和Park，J.（2012年）。检测高维稀疏法向量中信号的稳健测试。J.统计。计划。推断142 1445-1456·Zbl 1428.62176号 ·doi:10.1016/j.jspi.2011.12.025 [58] Hall，P.和Jin，J.（2008）。高度依赖下的高批评属性。安。统计师。36 381-402. ·Zbl 1139.62049号 ·doi:10.1214/00905360000000767 [59] Hall，P.和Jin，J.（2009）。创新了对相关噪声中稀疏信号检测的更高批评。安。统计师。38 1686-1732. ·Zbl 1189.62080号 ·doi:10.1214/09-AOS764 [60] Hall，P.、Pittelkow，Y.和Ghosh，M.（2008）。小样本高维数据分类器相对性能的理论度量。J.R.统计社会服务。B.统计方法。70 158-173. ·Zbl 1400.62094号 ·doi:10.1111/j.1467-9868.2007.00631.x [61] Haupt，J.、Castro，R.和Nowak，R.（2008）。噪声中稀疏信号的自适应发现。在1727-1731年第42届阿西洛玛信号、系统和计算机会议上。 [62] Haupt，J.、Castro，R.和Nowak，R.（2010年）。改进了自适应测量稀疏恢复的界限。信息理论学报（ISIT）1565-1567。 [63] He，S.和Wu，Z.（2011）。大规模外显子单核苷酸多态性数据的基于基因的更高批评方法。BMC会议录5（补遗9）S65。 [64] Huang，S.和Jin，J.（2014）。估计大精度矩阵的偏相关筛选及其在分类中的应用。 [65] Ingster，Y.I.（1997）。假设检验的一些问题导致了无限可分分布。数学。方法统计。6 47-69. ·Zbl 0878.62005号 [66] Ingster，Y.I.（1999）。\（l）信号的最小最大检测^{p}_{n} \）-球。数学。方法统计。7 401-428. ·Zbl 1103.62312号 [67] Ingster，Y.I.、Pouet，C.和Tsybakov，A.B.（2009年）。稀疏高维向量的分类。菲洛斯。事务处理。R.Soc.伦敦。序列号。数学。物理。工程科学。367 4427-4448. ·Zbl 1185.62115号 ·doi:10.1098/rsta.2009.0156 [68] Ingster，Y.I.、Tsybakov，A.和Verzelen，N.（2010年）。稀疏回归中的检测边界。电子。《美国联邦法律大全》第4卷第1476-1526页·Zbl 1329.62314号 ·doi:10.1214/10-EJS589 [69] Iyengar，S.K.和Elston，R.C.（2007年）。复杂性状的遗传基础：罕见变异还是“常见基因，常见疾病”？方法分子生物学。376 71-84. [70] Jager，L.和Wellner，J.A.（2004）。关于加权Kolmogorov统计量族的“泊松边界”。IMS专题论文45 319-331·Zbl 1268.62043号 ·doi:10.1214/lnms/1196285400 [71] Jager，L.和Wellner，J.A.（2007年）。通过phi-digrences进行光纤质量测试。安。统计师。35 2018-2053. ·Zbl 1126.62030号 ·doi:10.1214/00090536070000244 [72] Jeng，J.、Cai，T.和Li，H.（2010）。最优稀疏段识别及其在拷贝数变化分析中的应用。J.Amer。统计师。协会105 1156-1166·兹比尔1390.62170 ·doi:10.1198/jasa.2010.tm10083 [73] Jeng，J.、Cai，T.和Li，H.（2013）。同时发现罕见和常见片段变异。生物特征100 157-172·Zbl 1284.62658号 ·doi:10.1093/biomet/ass059 [74] Ji，P.和Jin，J.（2011）。UPS在高维变量选择中提供最佳相图。安。统计师。40 73-103·Zbl 1246.62160号 ·doi:10.1214/11-AOS947 [75] Jin，J.（2003）。检测和估计稀疏混合物。加州斯坦福大学统计系博士论文。 [76] Jin，J.（2004）。从多个外观中检测噪声很大的数据中的目标。IMS专题论文45 255-286·Zbl 1268.94013号 ·doi:10.1214/lnms/1196285396 [77] Jin，J.（2007）。非零正态均值的比例：通用预言等价和一致一致估计。J.罗伊。统计师。Soc.70 461-493·兹伯利05563355 ·文件编号：10.1111/j.1467-9868.2007.00645.x [78] Jin，J.（2009）。当有用特征稀少且较弱时，不可能成功分类。程序。国家。阿卡德。科学。美国106 8859-9964·Zbl 1203.68064号 ·doi:10.1073/pnas.0903931106 [79] 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 [80] Jin，J.和Wang，W.（2014a）。用于高维聚类的重要功能主成分分析。可从获取。arXiv:1407.5241 [81] Jin，J.和Wang，W.（2014b）。高维聚类中重要特征PCA的最优特征选择。 [82] Jin，J.、Zhang，C.-H.和Zhang、Q.（2014）。高维变量选择中Graphlet筛选的最优性。J.马赫。学习。第15号决议2723-2772·Zbl 1319.62139号 [83] Jin，J.、Starck，J.-L.、Donoho，D.、Aghanim，N.和Forni，O.（2005）。宇宙学非高斯特征检测：比较不同统计测试的性能。EURASIP J.应用。信号处理15 2470-2485·Zbl 1127.94335号 ·doi:10.115/ASP.2005.2470 [84] Johnstone，I.（2001）。关于主成分分析中最大特征值的分布。安。统计师。29 295-327. ·Zbl 1016.62078号 ·doi:10.1214/aos/1009210544 [85] Ke，T.、Jin，J.和樊，J.（2014）。协变量辅助筛选和评估。安。统计师。42 2202-2242·Zbl 1310.62085号 ·doi:10.1214/14-AOS1243 [86] 肯德尔·D·G和肯德尔·W·S（1980）。二维随机点集中的对齐。申请中的预付款。普罗巴伯。12 380-424. ·Zbl 0425.60009号 ·doi:10.2307/1426603 [87] Klaus，B.和Strimmer，K.（2010年）。基因组特征选择阈值：更高的批评率与虚假未发现率。第七届计算系统生物学国际研讨会论文集59-62。卢森堡。 [88] Klaus，B.和Strimmer，K.（2013年）。罕见和微弱特征的信号识别：较高的批评和错误发现率。生物统计。14 129-143. [89] B.Laurent、C.Marteau和C.Maugis-Rabusseau（2013）。未知平均值的双组分混合物的非症状检测。可从获取。arXiv公司：1304.6924·Zbl 1388.62131号 [90] Li，J.和Siegmund，D.（2014）。更高的批评：价值观和批评·Zbl 1320.62039号 ·doi:10.1214/15-AOS1312 [91] Liu，W.和Shao，Q.M.（2013）。Hotellin（T^{2}）统计量的Cramér-Rao适度偏差定理及其在全局检验中的应用。安。统计师。41 296-322. ·Zbl 1347.62032号 ·doi:10.1214/12-AOS1082 [92] Martin，L.，Gao，G.，Kang，G.、Fang，Y.和Woo，J.（2009）。提高全基因组关联研究中的信噪比。遗传流行病学33 29-32。 [93] Meinshausen，N.（2008年）。变量重要性的层次测试。生物特征95 265-278·Zbl 1437.62557号 ·doi:10.1093/biomet/asn007 [94] Meinshausen，N.和Bühlmann，P.（2006）。带套索的高维图。安。统计师。34 1436-1462. ·Zbl 1113.62082号 ·doi:10.1214/09053606000000281 [95] 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 [96] Mukherjee，R.、Pillai，N.和Lin，X.（2013）。稀疏二元回归的假设检验。可从获取。arXiv公司：1308.0764 [97] Muralidharan，O.（2010年）。当行相关时检测列相关性并估计行相关性的强度。电子。《美国联邦法律大全》第4卷第1527-1546页·Zbl 1330.62307号 ·doi:10.1214/10-EJS592 [98] Neill，D.（2006年）。检测空间和时空簇。宾夕法尼亚州匹兹堡卡内基梅隆大学计算机科学学院博士论文。 [99] Neill，D.和Lingwall，J.（2007年）。多变量疾病监测的非参数扫描统计。疾病监测进展4 106-106。 [100] Park，J.和Ghosh，J.（2010年）。一个有指导的随机遍历一些高维问题。Sankhya A 72 81-100号·Zbl 1209.62163号 ·文件编号：10.1007/s13171-010-0017-2 [101] Parkhomenko，E.、Tritchler，D.、Lemire，M.等人（2009年）。在类风湿关节炎的全基因组研究中，使用更高的批评度统计数据来检测适度影响。BMC会议记录3 S40。 [102] Pires，S.、Starck，J.-L.、Amara，A.、Refregier，A.和Teyssier，R.（2009年）。弱透镜作用下的宇宙学模型识别。天文学。天体物理学。图书馆。505 969-979. ·兹比尔1181.85080 ·doi:10.1051/0004-6361/200811459 [103] Roeder，K.和Wasserman，L.（2009年）。全基因组显著性水平和加权假设检验。统计师。科学。24 398-413. ·Zbl 1329.62435号 ·doi:10.1214/09-STS289 [104] Rohban，M.H.、Ishwar，P.、Orteny，P.，Karl，W.C.和Saligrama，V.（2013）。高维监督学习的不可能结果。信息理论研讨会（ITW），2013 IEEE，1-5。电气与电子工程师协会。 [105] Ruben，H.（1960）。球面正态分布下区域的概率内容，I.Ann.Statist。31 598-618. ·Zbl 0108.32501号 ·doi:10.1214/网址/117705788 [106] Sabatti，C.，Service，S.，Hartikainen，A.L.等人（2008年）。创始人群体出生队列代谢特征的全基因组关联分析。《自然遗传学》41 35-46。 [107] Saligrama，V.和Zhao，M.（2012）。局部异常检测。JMLR W&CP 22 969-983。 [108] Shorack，G.和Wellner，J.（1986年）。统计学应用的经验过程。纽约威利·Zbl 1170.62365号 [109] 苏莱曼，R.F.R.、玛丽，D.和法拉利，A.（2013）。基于单类分类器的Minimax稀疏检测。IEEE声学、语音和信号处理国际会议（ICASSP）5553-5557。 [110] Sun，L.（2011）。全基因组扫描效率：多重假设检验视角。U.P.B.科学。牛市。序列号。A 73 19-26·Zbl 1240.53049号 [111] Tibshirani，R.、Hastie，T.、Narasimhan，B.和Chu，G.（2002）。通过基因表达的收缩质心诊断多种癌症类型。程序。国家。阿卡德。科学。美国99 6567-6572。 [112] Tukey，J.W.（1976年）。T13 N：更高的批评。课程笔记。统计数字411。普林斯顿大学。 [113] Tukey，J.W.（1989）。对几个表或表的部分中的个别意义进行更高的批评。普林斯顿大学内部工作文件。 [114] Tukey，J.W.（1994）多重比较问题。在约翰·W·塔基的作品集中。第三卷（H.I.Braun编辑）1948-1983年。查普曼和霍尔，伦敦。 [115] Vielva，P.（2010年）。冷点的全面概述。天文学进展文章ID 592094，20页。 [116] Walther，G.（2013）。大规模多重测试和检测稀疏混合的平均似然比。在IMS集合中。《从概率到统计再回来：高维模型和过程》9 317-326。IMS，俄亥俄州比奇伍德·Zbl 1356.62095号 ·doi:10.1214/12-IMSCOLL923 [117] Wehrens，R.和Franceschi，P.（2012年）。多变量数据中使用较高批评的生物标志物选择阈值。分子生物晶体。8 2339-2346. [118] Wellner，J.A.和Koltchinskii，V.（2003）。零假设下Berk-Jones型统计量渐近分布的一个注记。《高维概率III》（J.Hoffmann-Jorgensen，M.B.Marcus and J.A.Wellner，eds.）321-332。巴塞尔Birkhäuser·Zbl 1042.62009年 ·doi:10.1007/978-3-0348-8059-6_19 [119] Wu，M.、Sanchez，B.N.和Song，P.（2013）。高维分类分析中的研究设计。 [120] Wu，Z.、Sun，Y.、He，S.、Choy，J.、Zhao，H.和Jin，J.（2014）。稀疏和弱遗传效应的检测边界和更高批评方法。附录申请。统计数字8 824-851·Zbl 1454.62420号 ·doi:10.1214/14-AOAS724 [121] Xie，J.、Cai，T.T.和Li，H.（2011）。全基因组关联研究中稀疏信号恢复的样本大小和功率分析。生物特征98 273-290·Zbl 1215.62118号 ·doi:10.1093/biomet/asr003 [122] Zhong，P.，Chen，S.和Xu，M.（2013）。在稀疏性和列式相关性下，测试高维平均值的替代性，以取代更高的批评。安。统计师。41 2820-2851. ·Zbl 1294.62128号 ·doi:10.1214/13-AOS1168 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。