威廉·菲钦;雷丽华 依赖性下错误发现率控制的条件校准。 （英语） Zbl 07641119号 《美国统计年鉴》。 50，第6号，3091-3118（2022）. 摘要：我们介绍了一类新的有限样本错误发现率（FDR）控制方法，用于具有相依测试统计量且相依性已知的多个测试问题。我们的方法分别为每个假设校准数据相关值拒绝阈值，根据需要放宽或收紧阈值以实现精确的FDR控制。除了我们的一般框架之外，我们还提出了一个具体的算法，即依赖性调整的Benjamini-Hochberg（dBH）程序，该程序为每个假设设置BH-调整的p值阈值。在正回归相关性下，dBH程序统一控制标准BH程序，通常它统一控制Benjamini-Yekutieli（BY）程序（也称为带对数校正的BH），这对最坏情况相关性进行了保守调整。仿真和实际数据示例表明，在这两种方法都适用的情况下，与BY程序相比，BY程序具有显著的功率增益，并且在仿冒设置下具有竞争力。当BH程序根据经验控制FDR时（就像在实践中通常做的那样），dBH程序的性能相当。 引用于5文件 MSC公司： 62F03型 参数假设检验 62G10型 非参数假设检验 关键词：错误发现率;多次测试;相关测试统计;Benjamini-Hochberg程序 软件：自适应MT;AdaPT公司;仿冒品 PDF格式BibTeX公司 XML格式引用 \textit{W.Fithian}和\textit{L.Lei}，Ann.Stat.50，No.6，3091-3118（2022；Zbl 07641119） 全文： 内政部 arXiv公司 链接 参考文献： [1] BARBER，R.F.和CANDÉS，E.J.（2015年）。通过仿冒品控制错误发现率。安。统计师。43 2055-2085. ·Zbl 1327.62082号 ·doi:10.1214/15-AOS1337 [2] BARBER，R.F.和RAMDAS，A.（2017年）。过滤器：分组假设的多层错误发现率控制。J.R.统计社会服务。B.统计方法。79 1247-1268. ·Zbl 1373.62041号 ·doi:10.1111/rssb.12218 [3] BENJAMINI，Y.和BOGOMOLOV，M.（2014）。对多个假设家族的选择性推断。J.R.统计社会服务。B.统计方法。76 297-318之间·Zbl 1411.62221号 ·doi:10.1111/rssb.12028 [4] Benjamini，Y.和Heller，R.（2008）。部分连接假设的筛选。生物计量学64 1215-1222. ·Zbl 1152.62045号 ·doi:10.1111/j.1541-0420.2007.00984.x [5] 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。B57 289-300. ·Zbl 0809.62014号 [6] BENJAMINI，Y.和HOCHBERG，Y.（1997年）。使用权重进行多重假设测试。扫描。J.统计。24 407-418. ·Zbl 1090.62548号 ·数字对象标识代码：10.1111/1467-9469.00072 [7] 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. ·Zbl 1108.62069号 ·doi:10.1093/biomet/93.3.491 [8] 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. ·Zbl 1041.62061号 ·doi:10.1214/aos/1013699998 [9] BLANCHARD，G.和ROQUAIN，E.（2008）。FDR控制的两个简单充分条件。电子。J.统计。2 963-992·Zbl 1320.62179号 ·doi:10.1214/08-EJS180 [10] 布兰查德（G.Blanchard）和罗奎恩（R.Roquin）。(2009). 独立性和依赖性下的自适应错误发现率控制。J.马赫。学习。物件。10 2837-2871. ·Zbl 1235.62093号 [11] BOCA，S.M.和LEEK，J.T.（2017年）。真实零假设比例的回归框架。预印本。生物Rxiv 35675。 [12] Brown，L.D.（1986）。统计指数族基础及其在统计决策理论中的应用.数理统计研究所讲义专题系列9.加州海沃德IMS·Zbl 0685.6202号 [13] Candès，E.、Fan，Y.、Janson，L.和Lv，J.（2018年）。淘金：高维可控变量选择的“X型”仿制品。J.R.统计社会服务。B.统计方法。80 551-577. ·Zbl 1398.62335号 ·doi:10.1111/rssb.12265 [14] Delatre，S.和Roquain，E.（2015年）。通过Romano-Wolf的启发式控制错误发现比例的新程序。安。统计师。43 1141-1177. ·Zbl 1320.62128号 ·doi:10.1214/14-AOS1302 [15] DOBRIBAN，E.、FORTNEY，K.、KIM，S.K.和OWEN，A.B.（2015）。高斯先验下的最优多重检验对效应大小的影响。生物特征102 753-766. ·Zbl 1419.62341号 ·doi:10.1093/biomet/asv050 [16] Fan，J.和Han，X.（2017）。具有未知相关性的错误发现比例的估计。J.R.统计社会服务。B.统计方法。79 1143-1164. ·Zbl 1373.62272号 ·doi:10.1111/rssb.12204 [17] Fan，J.、Han，X.和Gu，W.（2012）。估计任意协方差依赖下的错误发现比例。J.Amer。统计师。协会。107 1019-1035. ·Zbl 1395.62219号 ·doi:10.1080/016214592012.720478 [18] FARCOMENI，A.（2006年）。更强大的控制依赖性下的错误发现率。统计方法应用。15 43-73. ·Zbl 1187.62130号 ·数字对象标识码：10.1007/s10260-006-0002-z [19] FARCOMENI，A.（2007年）。关于依赖性下错误发现率控制的一些结果。扫描。J.统计。34 275-297. ·兹比尔1142.62048 ·网址：10.1111/j.1467-9469.2006.00530.x [20] FERREIRA，J.A.和ZWINDERMAN，A.H.（2006）。关于Benjamini Hochberg方法。安。统计师。34 1827-1849. ·Zbl 1246.62170号 ·doi:10.1214/009053600000425 [21] FINNER，H.（1999）。逐步多重测试程序和方向误差控制。安。统计师。27 274-289. ·Zbl 0978.62057号 ·doi:10.1214/aos/1018031111 [22] FITHIAN，W.、SUN，D.和TAYLOR，J.（2014）。模型选择后的最优推理。ArXiv预印本。可从ArXiv:1410.2597获得。 [23] FITHIAN，W.和LEI，L.（2022）。补充“依赖性下错误发现率控制的条件校准”https://doi.org/10.1214/21-AOS2137SUPP网站 [24] GENOVESE，C.R.、ROEDER，K.和WASSERMAN，L.（2006）。具有\（p\）-值权重的错误发现控制。生物特征93 509-524. ·Zbl 1108.62070号 ·doi:10.1093/biomet/93.3509 [25] GENOVESE，C.和WASSERMAN，L.（2002）。错误发现率过程的操作特征和扩展。J.R.统计社会服务。B.统计方法。64 499-517. ·Zbl 1090.62072号 ·doi:10.1111/1467-9868.00347 [26] Genovese，C.和Wasserman，L.（2004）。一种用于错误发现控制的随机过程方法。安。统计师。32 1035-1061. ·Zbl 1092.62065号 ·doi:10.1214/009053604000000283 [27] Genovese，C.R.和Wasserman，L.（2006）。错误发现比例的超标控制。J.Amer。统计师。协会。101 1408-1417. ·Zbl 1171.62338号 ·doi:10.1198/016214500000339 [28] Guo，W.，He，L.和Sarkar，S.K.（2014）。关于控制错误发现比例的进一步结果。安。统计师。42 1070-1101. ·兹比尔1305.62271 ·doi:10.1214/14-AOS1214 [29] 郭伟（GUO，W.）和RAO，M.B.（2008）。在没有依赖性假设的情况下控制错误发现率。J.统计。计划。推断138 3176-3188. ·Zbl 1140.62060号 ·doi:10.1016/j.jspi.2008.01.003 [30] HELLER，R.和ROSSET，S.（2021年）。两组模型中错误发现准则的最优控制。J.R.统计社会服务。B.统计方法。83 133-155. ·Zbl 07555259号 ·doi:10.1111/rssb.12403 [31] IGNATIADIS，N.和HUBER，W.（2017年）。具有错误发现率控制的协变量加权多重测试。ArXiv预印本。可从ArXiv:1701.05179获得。 [32] IGNATIADIS，N.、KLAUS，B.、ZAUGG，J.B.和HUBER，W.（2016年）。数据驱动假设加权增加了基因组规模多重测试的检测能力。自然方法13 577-580. [33] KIM，K.I.和VAN DE WIEL，M.A.（2008年）。高维多重测试问题中依赖性的影响。BMC生物信息。9 114. ·doi:10.1186/1471-2105-9-114 [34] Korn，E.L.、Troendle，J.F.、McShane，L.M.和Simon，R.（2004）。控制错误发现的数量：应用于高维基因组数据。J.统计。计划。推断124 379-398. ·Zbl 1074.62070号 ·doi:10.1016/S0378-3758（03）00211-8 [35] Lee，J.D.、Sun，D.L.、Sun，Y.和Taylor，J.E.（2016）。精确的后选择推理，并应用于套索。安。统计师。44 907-927. ·Zbl 1341.62061号 ·doi:10.1214/15-AOS1371 [36] Lehmann，E.L.（1966年）。依赖的一些概念。安。数学。斯达。37 1137-1153. ·兹伯利0146.40601 ·doi:10.1214/aoms/1177699260 [37] Lehmann，E.L.和Romano，J.P.（2005a）。家庭错误率的一般化。安。统计师。33 1138-1154. ·Zbl 1072.62060号 ·doi:10.1214/009053605000000084 [38] Lehmann，E.L.和Romano，J.P.（2005年b）。测试统计假设，第3版。统计中的Springer文本纽约州施普林格·2018年6月17日 [39] LEHMANN，E.L.和SCHEFFé，H.（1955）。完整性、相似区域和无偏估计。二、。桑基拉15 219-236. ·Zbl 0068.12907号 ·doi:10.1007/978-1-4614-1412-424 [40] LEI，L.和FITHIAN，W.（2018年）。AdaPT：一种交互式程序，用于附带信息的多次测试。J.R.统计社会服务。B.统计方法。80 649-679. ·Zbl 1398.62049号 ·doi:10.1111/rssb.12253 [41] Li，A.和Barber，R.F.（2019年）。使用结构自适应Benjamini-Hochberg算法进行多次测试。J.R.统计社会服务。B.统计方法。81 45-74. ·Zbl 1407.62284号 [42] LYNCH，G.和GUO，W.（2016）。关于控制FDR的程序，以测试层次有序的假设。ArXiv预印本。可从ArXiv:1612.04467获得。 [43] 欧文·A·B（2005）。错误发现数量的方差。J.R.统计社会服务。B.统计方法。67 411-426·Zbl 1069.62102号 ·数字对象标识代码：10.1111/j.1467-9868.200500509.x [44] PATTERSON，E.和SESIA，M.（2018年）。敲除：受控变量选择的敲除过滤器。R包版本0.3.2。 [45] PERONE PACIFICO，M.、GENOVESE，C.、VERDINELLI，I.和WASSERMAN，L.（2004）。随机字段的错误发现控制。J.Amer。统计师。协会。99 1002-1014. ·兹比尔1055.62105 ·doi:10.1198/016214500001655 [46] RHEE，S.-Y.，FESSEL，W.J.，ZOLOPA，A.R.，HURLEY，L.，LIU，T.，TAYLOR，J.，NGUYEN，D.P.，SLOME，S.，KLEIN，D.等人（2005年）。HIV-1蛋白酶和逆转录酶突变：B亚型分离株抗逆转录病毒治疗的相关性及其对耐药性监测的意义。J.感染。疾病。192 456-465. [47] Rhee，S.-Y.、Taylor，J.、Wadhera，G.、Ben-Hur，A.、Brutlag，D.L.和Shafer，R.W.（2006）。人类免疫缺陷病毒1型耐药性的基因型预测因子。程序。国家。阿卡德。科学。美国103 17355-17360. [48] ROMANO，J.P.、SHAIKH，A.M.和WOLF，M.（2008）。使用引导和子采样控制依赖性下的错误发现率。测试17 417-442. ·Zbl 1367.62233号 ·doi:10.1007/s11749-008-0126-6 [49] ROQUAIN，E.和VAN DE WIEL，M.A.（2009年）。错误发现率控制的最佳加权。电子。J.统计。3 678-711. ·Zbl 1326.62164号 ·doi:10.1214/09-EJS430 [50] ROQUAIN，E.和VILLERS，F.（2011）。准确计算错误发现比例，并应用于最不利的配置。安。统计师。39 584-612. ·Zbl 1209.62164号 ·doi:10.1214/10-AOS847 [51] SARKAR，S.K.（2002）。关于逐步多重测试过程中错误发现率的一些结果。安。统计师。30 239-257. ·Zbl 1101.62349号 ·doi:10.1214/aos/1015362192 [52] SARKAR，S.K.和TANG，C.Y.（2021）。调整Benjamini Hochberg方法以控制敲除辅助变量选择中的错误发现率。ArXiv预印本。可从ArXiv:2102.09080获得。 [53] SHAFFER，J.P.（1980）。采用分段多重测试程序控制方向误差。安。统计师。8 1342-1347. ·Zbl 0484.62089号 [54] Storey，J.D.（2002）。错误发现率的直接方法。J.R.统计社会服务。B.统计方法。64 479-498. ·兹比尔1090.62073 ·doi:10.1111/1467-9868.00346 [55] 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. ·Zbl 1042.62026 ·doi:10.1214/aos/1074290335 [56] STOREY，J.D.、TAYLOR，J.E.和SIEGMUND，D.（2004）。强控制、保守点估计和错误发现率的同时保守一致性：统一方法。J.R.统计社会服务。B.统计方法。66 187-205. ·Zbl 1061.62110号 ·文件编号：10.1111/j.1467-9868.2004.00439.x [57] 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. ·Zbl 1469.62318号 ·doi:10.1198/0162145000000545 [58] 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. ·Zbl 1248.62005号 ·doi:10.1111/j.1467-9868.2008.00694.x [59] TANSEY，W.、WANG，Y.、BLEI，D.和RABADAN，R.（2018）。黑盒FDR。在机器学习国际会议4867-4876. PMLR公司。 [60] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计师。Soc.序列号。B58 267-288. ·Zbl 0850.62538号 [61] Tibshirani，R.J.、Taylor，J.、Lockhart，R.和Tibshirani，R.（2016）。序列回归程序的精确选择后推断。J.Amer。统计师。协会。111 600-620. ·doi:10.1080/01621459.2015.1108848 [62] 特伦德尔，J.F.（2000）。逐步正态理论多重测试程序控制错误发现率。J.统计。计划。推断84 139-158. ·Zbl 1131.62310号 ·doi:10.1016/S0378-3758（99）00145-7 [63] Weinstein，A.、Fithian，W.和Benjamini，Y.（2013）。选择调整的置信区间具有更大的确定符号的能力。J.Amer。统计师。协会。108 165-176. ·Zbl 06158333号 ·doi:10.1080/016214592012.737740 [64] 夏芳、张明杰、邹建勇和TSE，D.（2017）。Neuralfdr：从假设特征中学习发现阈值。在神经信息处理系统研究进展1541-1550年。 [65] Xie，J.、Cai，T.T.、Maris，J.和Li，H.（2011）。相关数据的最佳错误发现率控制。统计接口4 417-430. ·Zbl 1245.62091号 ·doi:10.4310/SII.2011.v4.n4.a1 [66] YEKUTIELI，D.和BENJAMINI，Y.（1999）。基于重采样的错误发现率控制相关测试统计的多个测试过程。J.统计。计划。推断82 171-196 ·Zbl 1063.62563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。