摘要
本文的动机是比较从高吞吐量Omics技术产生的高维数据集推断出的遗传网络。目的是测试两个推断的高斯图形模型之间观察到的差异是来自实际差异还是来自估计不确定性。采用邻域方法,我们考虑了一个随机设计的两样本线性回归模型,并提出了一个程序来测试这两个回归是否相同。依靠多种测试和变量选择策略,我们开发了一种适用于高维设置的测试程序,其中协变量$p$的数量大于两个样本的观测值$n_{1}$和$n_{2}$的数量。第一类和第二类误差都从非渐近的角度得到了显式控制,证明了该检验对稀疏性具有极大极小自适应性。根据模拟数据评估了试验性能。此外,我们还说明了如何使用该程序来比较Hess上的遗传网络等。乳腺癌微阵列数据集。
引文
下载引文
卡米尔·夏博尼尔。
尼古拉·维尔泽伦(Nicolas Verzelen)。
范妮·维勒。
“高维线性回归的全球同质性检验。”
电子。J.统计。
9
(1)
318 - 382,
2015
https://doi.org/10.1214/15-EJS999
问询处
收到日期:2013年8月1日;发布日期:2015年
首次在欧几里德项目中提供:2015年3月17日
数字对象标识符:10.1214/15-EJS999
学科:
主要用户:62H15型
次要:62页第10页
关键词:适应性测试,检测边界,高斯图形模型,高维统计,极大极小假设检验,多次测试,双样本假设检验
版权所有©2015 The Institute of Mathematical Statistics and The Bernoulli Society