×
Patricia Reynaud-Bouret;苏菲·施巴思

Hawkes过程的自适应估计；应用于基因组分析。 （英语） Zbl 1200.62135号

Ann.统计。 38，第5期，2781-2822（2010）.
摘要：本文的目的是提供一种新的方法来检测DNA序列上基因组事件之间的有利或避免距离。这些事件由霍克斯过程建模[参见A.G.霍克斯和D.橡树，J.应用。普罗巴伯。11, 493–503 (1974;Zbl 0305.60021号)]. 生物问题实际上非常复杂，需要一种非症状惩罚模型选择方法。我们提供了一个理论惩罚，即使对于相当复杂的模型族，也满足预言不等式。对于（1/2，1]中正则的Hölder函数，连续理论估计被证明是自适应极小极大的：对于Hawkes过程，这些方面还没有被研究岛屿，这在模型选择中不是经典的用法，但这恰好与我们想要回答的生物学问题特别相关。由于理论惩罚中的乘法常数在实践中是不可计算的，因此我们提供了广泛的模拟来找到该常数的数据驱动校准。在真实基因组数据上获得的结果与生物学知识一致，并最终对其进行完善。

引用于57文件

理学硕士：

第62页第10页 统计学在生物学和医学中的应用；元分析
92C40型 生物化学、分子生物学
65立方厘米60 统计中的计算问题（MSC2010）
62G05型 非参数估计
6220国集团 非参数推理的渐近性质
60埃15 不平等；随机排序
46号30 泛函分析在概率论和统计学中的应用

关键词：

霍克斯过程;型号选择;oracle不等式;数据驱动惩罚;最小最大风险;自适应估计;未知支持;基因组分析

引文：

Zbl 0305.60021号
PDF格式BibTeX公司 XML格式引用
\textit{P.Reynaud-Bouret}和\textit{S.Schbath}，Ann.Stat.38，No.5，2781--2822（2010；Zbl 1200.62135）
全文： 内政部 arXiv公司

参考文献：

[1] Arlot，S.和Massart，P.（2009年）。数据驱动的最小二乘回归惩罚校准。J.马赫。学习。第10号决议245-279。
[2] Baraud，Y.、Comte，F.和Viennet，G.（2001年）。具有相关数据的（自动）回归模型选择。ESAIM概率。统计数字5 33-49·Zbl 0990.62035号 ·doi:10.1051/ps:2001101
[3] Baraud，Y.、Comte，F.和Viennet，G.（2001年）。通过模型选择在自回归或β-混合回归中进行自适应估计。安。统计师。39 839-875. ·Zbl 1012.62034号 ·doi:10.1214/aos/1009210692
[4] Birgé，L.（2005）。多重假设检验的新下界。IEEE传输。通知。理论51 1611-1615·Zbl 1283.62030 ·doi:10.1109/TIT.2005.844101
[5] Birgé，L.和Massart，P.（2001）。高斯模型选择。《欧洲数学杂志》。Soc.（JEMS）3 203-268·Zbl 1037.62001 ·doi:10.1007/s100970100031
[6] Birgé，L.和Massart，P.（2007年）。高斯模型选择的最小惩罚。普罗巴伯。理论相关领域138 33-73·Zbl 1112.62082号 ·doi:10.1007/s00440-006-0011-8
[7] Brémaud，P.和Massoulié，L.（1996）。非线性Hawkes过程的稳定性。Ann.遗嘱认证。24 1563-1588. ·Zbl 0870.60043号 ·doi:10.1214/aop/1065725193
[8] Brémaud，P.和Massoulié，L.（2001）。没有祖先的霍克斯分支点过程。J.应用。普罗巴伯。38 122-135. ·Zbl 0983.60048号 ·doi:10.1239/jap/996986648
[9] Daley，D.J.和Vere-Jones，D.（2005年）。点过程理论导论。统计I中的斯普林格系列。纽约州施普林格·Zbl 0657.60069号
[10] Gallager，R.（1968）。信息理论与可靠通信。纽约威利·Zbl 0198.52201号
[11] Gusto，G.（2004）。霍克斯-格雷斯过程的强度估计加倍。主题的应用是为了延续ADN的连续性。巴黎大学博士论文。网址：。
[12] Gusto，G.和Schbath，S.（2005年）。FADO：一种统计方法，使用霍克斯模型检测模体发生之间的偏好或避免距离。统计应用程序。遗传学。分子生物学。4第24条，28页（电子版）·Zbl 1095.62126号 ·doi:10.2202/1544-6115.1119
[13] 霍克斯，A.G.和奥克斯，D.（1974年）。自我激励过程的集群过程表示。J.应用。普罗巴伯。11 493-503. JSTOR公司：·Zbl 0305.60021号 ·doi:10.2307/3212693
[14] Lacour，C.（2007）。马尔可夫链转移密度的自适应估计。Ann.Inst.H.PoincaréProbab公司。统计师。43 571-597. ·Zbl 1125.62087号 ·doi:10.1016/j.anihpb.2006.09.003
[15] Massart，P.（2007年）。集中不等式与模型选择。数学课堂笔记。1896 . 柏林施普林格·Zbl 1170.60006号 ·doi:10.1007/978-3-540-48503-2
[16] Ogata，Y.和Akaike，H.（1982年）。混合双随机泊松和自激点过程的线性强度模型。J.罗伊。统计师。Soc.序列号。B 44 102-107。JSTOR公司：·兹伯利0496.62074
[17] Ozaki，T.（1979）。霍克斯自激点过程的最大似然估计。Ann.Inst.统计。数学。31 145-155. ·Zbl 0447.62081号 ·doi:10.1007/BF02480272
[18] Reinert，G.、Schbath，S.和Waterman，M.S.（2000年）。单词的概率和统计特性：概述。J.计算。生物7 1-46。
[19] Reynaud-Bouret，P.（2003年）。通过浓度不等式自适应估计非均匀泊松过程的强度。普罗巴伯。理论相关领域126 103-153·Zbl 1019.62079号 ·doi:10.1007/s00440-003-0259-1
[20] Reynaud-Bouret，P.（2006年）。计数过程上确界的补偿器和指数不等式。统计师。普罗巴伯。莱特。76 1514-1521. ·Zbl 1101.60033号 ·doi:10.1016/j.spl.2006.03.012
[21] Reynaud-Bouret，P.（2006年）。阿伦乘法强度的惩罚投影估计。伯努利12 633-661·Zbl 1125.62027号 ·doi:10.3150/bj/1155735930
[22] Reynaud-Bouret，P.和Roy，E.（2007年）。Hawkes过程的一些非共态尾估计。牛市。贝尔格。数学。Soc.西蒙·斯特文13 883-896·Zbl 1120.60052号
[23] Reynaud-Bouret，P.和Schbath，S.（2010年）。霍克斯过程的自适应估计；应用于基因组分析。可从获取·Zbl 1200.62135号
[24] Vere-Jones，D.和Ozaki，T.（1982年）。统计估计应用于地震数据的一些例子。Ann.Inst.统计。数学。34 189-207.
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。