伊斯马·卡斯蒂略；埃蒂安·罗奎恩 关于尖峰和平顶实证贝叶斯多重检验。 （英语） Zbl 1455.62035号 Ann.统计。 48，第5期，2548-2574（2020）. 作者考虑了假设的多重测试，这是一个与识别活动变量相关的主题在高维统计模型中的大量候选者中。高维数据通常涉及数千个变量，其中只有一小部分意义重大。贝叶斯多重测试方法适用于基于比较后验概率的测试正在考虑的假设。先验的选择依赖于经验贝叶斯方法旨在以全自动、数据驱动的方式校准先验值。本文探讨了经验贝叶斯后验分布与错误发现率（FDR）之间的关系控件。在高斯序列中模型中，结果表明spike和slab先验值产生了后验分布具有特别合适的多重测试性能。作者证明在距离目标控制水平不超过一个常数项的范围内，均匀控制是可能的。这个在模拟中常数非常接近于（1），甚至可以证明对于稀疏向量的一些子类。通过这种方式，为常见的实际用途提供了理论验证频率计FDR控制中基于后验的数量。通过数值实验对理论结果进行了说明。审核人：帕维尔·斯托诺夫（索非亚） 引用于1审查引用于9文件 MSC公司： 62C12号机组 经验决策程序；经验贝叶斯程序 62G10型 非参数假设检验 62J15型 配对和多重比较；多次测试 关键词：贝叶斯过程的频率特性；错误发现率；稀疏；多次测试 软件：EBayesThresh公司 PDF格式BibTeX公司 XML格式引用 \textit{I.Castillo}和\textit{埃里·罗奎恩}，Ann.Stat.48，No.5，2548--2574（2020；Zbl 1455.62035） 全文： 内政部 arXiv公司 欧几里得 参考文献： [1] Abramovich，F.和Angelini，C.（2006年）。贝叶斯最大后验多重检验程序。Sankhyá68 436-460。Zentralblatt数学：1193.62031·Zbl 1193.62031号 [2] Abramovich，F.、Benjamini，Y.、Donoho，D.L.和Johnstone，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. Zentralblatt数学：1092.62005数字对象标识符：doi:10.1214/0090536000000074欧几里德项目：Euclid.aos/1151418235·Zbl 1092.62005年 ·doi:10.1214/00905360000000074 [3] 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. Zentralblatt数学：1126.62003数字对象标识符：doi:10.1214/0090536000000226欧几里德项目：Euclid.aos/1194461730·Zbl 1126.62003年 ·doi:10.1214/009053607000000226 [4] Arias-Castro，E.和Chen，S.（2017年）。无分布多重测试。电子。《J Stat.11 1983-2001》。Zentralblatt数学：1361.62023数字对象标识符：doi:10.1214/17-EJS1277·Zbl 1361.62023号 ·doi:10.1214/17-EJS1277 [5] Belitser，E.和Ghosal，S.（2019年）。回归的经验贝叶斯预言不确定性量化。安。统计师。出现。 [6] Belitser，E.和Nurushev，N.（2019年）。大海捞针：可能稀疏序列的稳健经验贝叶斯置信度。伯努利。出现。Zentralblatt数学：07140497数字对象标识符：doi:10.3150/19-BEJ1122欧几里德项目：Euclid.bj/1574758826·Zbl 1441.62110号 ·doi:10.3150/19-BEJ1122 [7] 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.罗伊。统计师。Soc.序列号。乙57 289-300。Zentralblatt数学：0809.62014数字对象标识符：doi:10.1111/j.2517-6161.1995.tb02031.x·Zbl 0809.62014号 ·doi:10.1111/j.2517-6161.1995.tb02031.x [8] Benjamini，Y.、Krieger，A.M.和Yekutieli，D.（2006年）。控制错误发现率的自适应线性加速过程。生物特征93 491-507。Zentralblatt数学：1108.62069数字对象标识符：doi:10.1093/biomet/93.3.491·Zbl 1108.62069号 ·doi:10.1093/biomet/93.3.491 [9] Benjamini，Y.和Yekutieli，D.（2001年）。依赖下多重测试中错误发现率的控制。安。统计师。29 1165-1188. Zentralblatt数学：1041.62061数字对象标识符：doi:10.1214/aos/1013699998欧几里德项目：Euclid.aos/101369998·Zbl 1041.62061号 ·doi:10.1214/aos/1013699998 [10] Bogdan，M.、Chakrabarti，A.、Frommlet，F.和Ghosh，J.K.（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. Zentralblatt数学：1221.62012数字对象标识符：doi:10.1214/10-AOS869欧几里德项目：Euclid.aos/1307452128·Zbl 1221.62012年 ·doi:10.1214/10-AOS869 [11] Bogdan，M.、Ghosh，J.K.和Tokdar，S.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.Inst.Math教授。统计（IMS）收集。1 211-230. 俄亥俄州比奇伍德IMS。 [12] Bogdan，M.、van den Berg，E.、Sabatti，C.、Su，W.和Candès，E.J.（2015）。SLOPE—通过凸优化进行自适应变量选择。附录申请。统计9 1103-1140。Zentralblatt数学：06525980数字对象标识符：doi:10.1214/15-AOAS842欧几里德项目：Euclid.aoas/1446488733·Zbl 1454.62212号 ·doi:10.1214/15-OAS842 [13] Cai，T.T.和Sun，W.（2009）。分组假设的同步测试：在多个干草堆中找到针头。J.Amer。统计师。协会104 1467-1481。Zentralblatt数学：1205.62005数字对象标识符：doi:10.1198/jasa.2009.tm08415·兹比尔1205.62005 ·doi:10.1198/jasa.2009.tm08415 [14] Cai，T.T.，Sun，W.和Wang，W.（2019年）。用于大规模双样本推理的协变量辅助排序和筛选。J.R.统计社会服务。B.统计方法。81 187-234. Zentralblatt数学：1420.62032数字对象标识符：doi:10.1111/rssb.12304·Zbl 1420.62032号 ·doi:10.1111/rssb.12304 [15] Cao，J.、Xie，X.-J.、Zhang，S.、Whitehurst，A.和White，M.A.（2009）。同时显著性测试的贝叶斯最优发现过程。BMC生物信息。10文章ID 5。 [16] Castillo，I.和Mismer，R.（2018年）。尖峰和平板后验分布的经验Bayes分析。电子。《美国联邦法律大全》第12卷第3953-4001页。Zentralblatt数学：1409.62026数字对象标识符：doi:10.1214/18-EJS1494·Zbl 1409.62026号 ·doi:10.1214/18-EJS1494 [17] Castillo，I.和Roquain，E.（2020年）。补充“尖峰和平底经验贝叶斯多重测试”https://doi.org/10.1214/19-AOS1897SUPP。 [18] Castillo，I.和Szabó，B.（2019年）。尖峰和平板经验贝叶斯稀疏可信集。伯努利。出现·Zbl 1441.62077号 [19] Castillo，I.和van der Vaart，A.（2012年）。大海捞针：可能稀疏序列的后向集中。安。统计师。40 2069-2101. Zentralblatt数学：1257.62025数字对象标识符：doi:10.1214/12-AOS1029欧几里德项目：Euclid.aos/1351602537·Zbl 1257.62025号 ·doi:10.1214/12-AOS1029 [20] Donoho，D.L.、Johnstone，I.M.、Hoch，J.C.和Stern，A.S.（1992年）。最大熵和接近黑色的物体。J.罗伊。统计师。Soc.序列号。B 54 41-81。Zentralblatt数学：0788.62103数字对象标识符：doi:10.1111/j.2517-6161.1992.tb01864.x·Zbl 0788.62103号 ·doi:10.1111/j.2517-6161.1992.tb01864.x [21] Efron，B.（2007）。大小、功耗和错误发现率。安。统计师。35 1351-1377. Zentralblatt数学：1123.62008数字对象标识符：doi:10.1214/09053606000001460欧几里德项目：Euclid.aos/1188405614·Zbl 1123.62008年 ·doi:10.1214/009053606000001460 [22] Efron，B.（2008）。微阵列、经验贝叶斯和两组模型。统计师。科学。23 1-22. Zentralblatt数学：1327.62046数字对象标识符：doi:10.1214/07-STS236欧几里德项目：Euclid.ss/1215441276·Zbl 1327.62046号 ·doi:10.1214/07-STS236 [23] Efron，B.、Tibshirani，R.、Storey，J.D.和Tusher，V.（2001）。微阵列实验的经验贝叶斯分析。J.Amer。统计师。协会96 1151-1160。Zentralblatt数学：1073.62511数字对象标识符：doi:10.1198/016214501753382129·Zbl 1073.62511号 ·doi:10.1198/016214501753382129 [24] Finner，H.、Dickhaus，T.和Roters，M.（2007年）。依赖性和错误发现率：渐近。安。统计师。35 1432-1455. Zentralblatt数学：1125.62076数字对象标识符：doi:10.1214/00905360000000046欧几里德项目：Euclid.aos/1188405617·Zbl 1125.62076号 ·doi:10.1214/00905360000000046 [25] George，E.I.和Foster，D.P.（2000）。校准和经验贝叶斯变量选择。生物特征87 731-747。Zentralblatt数学：1029.62008数字对象标识符：doi:10.1093/biomet/87.4.731·Zbl 1029.62008号 ·doi:10.1093/biomet/87.4.731 [26] Gerard，D.和Stephens，M.（2018）。经验贝叶斯收缩和错误发现率估计，允许不必要的变化。生物统计学出现。 [27] Ghosal，S.、Ghosh，J.K.和van der Vaart，A.W.（2000）。后验分布的收敛速度。安。统计师。28 500-531. Zentralblatt数学：1105.62315数字对象标识符：doi:10.1214/aos/1016218228欧几里德项目：Euclid.aos/1016218228·Zbl 1105.62315号 ·doi:10.1214/aos/1016218228 [28] Guindani，M.、Müller，P.和Zhang，S.（2009年）。贝叶斯发现过程。J.R.统计社会服务。B.统计方法。71 905-925. Zentralblatt数学：1411.62224数字对象标识符：doi:10.1111/j.1467-9868.2009.00714.x·Zbl 1411.62224号 ·文件编号：10.1111/j.1467-9868.2009.00714.x [29] Jiang，W.和Zhang，C.-H.（2009）。正态均值的一般最大似然经验Bayes估计。安。统计师。37 1647-1684. Zentralblatt数学：1168.62005数字对象标识符：doi:10.1214/08-AOS638欧几里德项目：Euclid.aos/1245332828·Zbl 1168.62005号 ·doi:10.1214/08-AOS638 [30] 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。32 1594-1649年。Zentralblatt数学：1047.62008数字对象标识符：doi:10.1214/00905360400000030欧几里德项目：Euclid.aos/1091626180·Zbl 1047.62008年 ·数字对象标识代码：10.1214/00905360400000030 [31] Johnstone，I.M.和Silverman，B.W.（2005）。EbayesThresh:R程序用于经验Bayes阈值。J.统计软件。12第8期。 [32] Martin，R.和Tokdar，S.（2012年）。大规模显著性测试的非参数经验贝叶斯框架。生物统计学13 427-439。Zentralblatt数学：1244.62066数字对象标识符：doi:10.1093/biostatistics/kxr039·Zbl 1244.62066号 ·doi:10.1093/biostatistics/kxr039 [33] Mitchell，T.J.和Beauchamp，J.J.（1988）。线性回归中的贝叶斯变量选择。J.Amer。统计师。协会83 1023-1036。Zentralblatt数学：0673.62051数字对象标识符：doi:10.1080/01621459.1988.10478694·Zbl 0673.62051号 ·doi:10.1080/016214519988.10478694 [34] Müller，P.、Parmigiani，G.、Robert，C.和Rousseau，J.（2004年）。多重测试的最佳样本量：基因表达微阵列的案例。J.Amer。统计师。协会99 990-1001。Zentralblatt数学：1055.62127数字对象标识符：doi:10.1198/0162145000001646·Zbl 1055.62127号 ·doi:10.1198/0162145000001646 [35] Neuvial，P.和Roquain，E.（2012年）。稀疏性下分类的错误发现率阈值。安。统计师。40 2572-2600. Zentralblatt数学：1373.62315数字对象标识符：doi:10.1214/12-AOS1042欧几里德项目：Euclid.aos/1359987531·Zbl 1373.62315号 ·doi:10.1214/12-AOS1042 [36] Rudin，W.（1976年）。数学分析原理，第三版，国际纯数学和应用数学丛书。McGraw-Hill，纽约·Zbl 0346.26002号 [37] 所罗门·J·B（2017）。使用高斯尺度混合的多重测试阈值规则的风险量化。预印本。可从arXiv:1711.08705获得。arXiv:1711.08705 [38] Sarkar，S.K.（2007）。控制广义FWER和广义FDR的加速程序。安。统计师。35 2405-2420之间。Zentralblatt数学：1129.62066数字对象标识符：doi:10.1214/009053600000398欧几里德项目：Euclid.aos/201012966·Zbl 1129.62066号 ·doi:10.1214/00905360700000398 [39] Sarkar，S.K.、Zhou，T.和Ghosh，D.（2008）。从贝叶斯观点控制FDR和FNR程序的一般决策理论公式。统计师。Sinica 18 925-945年。Zentralblatt数学：1149.62003·Zbl 1149.62003号 [40] Scott，J.G.和Berger，J.O.（2010年）。变量选择问题中的贝叶斯和经验贝叶斯多重性调整。安。统计师。38 2587-2619. Zentralblatt数学：1200.62020数字对象标识符：doi:10.1214/10-AOS792欧几里德项目：Euclid.aos/1278861454·Zbl 1200.62020年 ·doi:10.1214/10-AOS792 [41] Shen，X.和Wasserman，L.（2001）。后验分布的收敛速度。安。统计师。29 687-714。Zentralblatt数学：1041.62022数字对象标识符：doi:10.1214/aos/1009210686欧几里德项目：Euclid.aos/109210686·Zbl 1041.62022号 ·doi:10.1214/aos/1009210686 [42] Stephens，M.（2017）。错误发现率：新政。生物统计学18 275-294。 [43] Storey，J.D.（2003）。阳性错误发现率：贝叶斯解释和\（q\）-值。安。统计师。31 2013-2035. Zentralblatt数学：1042.62026数字对象标识符：doi:10.1214/aos/1074290335欧几里德项目：Euclid.aos/1074290335·Zbl 1042.62026 ·doi:10.1214/aos/1074290335 [44] Su，W.和Candès，E.（2016）。SLOPE对未知稀疏性和渐近极小值具有自适应性。安。统计师。44 1038-1068. Zentralblatt数学：1338.62032数字对象标识符：doi:10.1214/15-AOS1397欧几里德项目：Euclid.aos/1460381686·Zbl 1338.62032号 ·doi:10.1214/15-AOS1397 [45] Sun，W.和Cai，T.T.（2007）。Oracle和自适应复合决策规则用于错误发现率控制。J.Amer。统计师。协会102 901-912。Zentralblatt数学：05564419数字对象标识符：doi:10.19198/0162114507000000545·Zbl 1469.62318号 ·doi:10.1198/0162145000000545 [46] Sun，W.和Cai，T.T.（2009）。依赖性下的大规模多重测试。J.R.统计社会服务。B.统计方法。71 393-424. Zentralblatt数学：1248.62005数字对象标识符：doi:10.1111/j.1467-9868.2008.00694.x·Zbl 1248.62005号 ·doi:10.1111/j.1467-9868.2008.00694.x [47] van der Pas，S.、Szabó，B.和van der Vaart，A.（2017年）。马蹄铁的自适应后收缩率。电子。《美国联邦法律大全》第11卷第3196-3225页。Zentralblatt数学：1373.62140数字对象标识符：doi:10.1214/17-EJS1316·Zbl 1373.62140号 ·doi:10.1214/17-EJS1316 [48] van der Pas，S.、Szabó，B.和van der Vaart，A.（2017年）。马蹄铁的不确定度量化（带讨论）。贝叶斯分析。12 1221-1274. Zentralblatt数学：1384.62155数字对象标识符：doi:10.1214/17-BA1065·Zbl 1384.62155号 ·doi:10.1214/17-BA1065 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。