×
理发师、Rina Foygel；伊曼纽尔·坎迪斯。；理查德·萨姆沃思。

具有仿冒功能的稳健推理。 （英语） Zbl 1452.62193号

Ann.统计。 48，第3期，1409-1431（2020）.
在变量选择领域有一项研究。如果变量（X_1，\dots，X_p）提供了关于响应（Y）的信息，那么目标是识别重要的响应，即最小的集合（S\subsetq\{1，\dotes，p\}），使得（Y）独立于来自（X_j）的信息。集合\（S\）的名称为马尔可夫毯\（Y\）。本文的重点是那些可以控制错误发现率的变量选择方法，即FDR。作者在论文中提到了2018年开发的“模型X仿冒”方法E.坎迪斯等[J.R.Stat.Soc.，Ser.B，Stat.Methodol.80，No.3，551-577（2018；兹比尔1398.62335)]. 其目的是在运行敲除滤波器时研究FDR控制，估计分布在\（X\）上，而不是真实分布\（P_X\）。第二节介绍了仿冒稳健推理的基础知识，第三节介绍了FDR控制结果，第四节介绍了一些具体的例子。所有结果的证明见附录A。
审核人：Claudia Simionescu-Badea（维也纳）

引用于20文件

MSC公司：

62F03型 参数假设检验
62层35 鲁棒性和自适应程序（参数推理）
62G10型 非参数假设检验
62G35型 非参数稳健性

关键词：

仿冒品；变量选择；错误发现率；高维回归；稳健性

引文：

兹比尔1398.62335

软件：

玻璃制品
PDF格式BibTeX公司 XML格式引用
\textit{R.F.Barber}等人，Ann.Stat.48，No.3，1409--1431（2020；Zbl 1452.62193）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Barber，R.F.和Candès，E.J.（2015）。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，Candès，E.J和Samworth，R.J（2019年）。补充“带有仿冒品的稳健推理”https://doi.org/10.1214/19-AOS1852SUPP。
[3] Barber，R.F.和Candès，E.J.（2019年）。用于高维选择性推理的仿冒过滤器。安。统计师。（出现）·Zbl 1444.62034号
[4] 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.系列。乙57 289-300·Zbl 0809.62014号 ·doi:10.1111/j.2517-6161.1995.tb02031.x
[5] 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
[6] 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. ·兹比尔1398.62335 ·doi:10.1111/rssb.12265
[7] Fan，Y.、Demirkaya，E.、Li，G.和Lv，J.（2019）。等级：带有图形非线性仿冒的大尺度推理。J.Amer。统计师。关联（出现）。https://doi.org/10.1080/01621459.2018.1546589。 ·Zbl 1437.62699号
[8] 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
[9] 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·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045
[10] Howie，B.、Fuchsberger，C.、Stephens，M.、Marchini，J.和Abecasis，G.R.（2012）。在全基因组关联研究中通过预阶段快速准确的基因型插补。自然遗传学。44 955-959.
[11] Janson，L.（2017）。斯坦福大学高维推理博士论文的无模型方法。
[12] Li，N.和Stephens，M.（2003）。利用单核苷酸多态性数据建立连锁不平衡模型并识别重组热点。遗传学165 2213-2233。
[13] Marchini，J.和Howie，B.（2010年）。全基因组关联研究的基因型插补。Genet国家牧师。11 499-511.
[14] 秦振生、牛涛和刘建生（2002）。单核苷酸多态性单倍型推断的分区-负期望最大化算法。Am.J.Hum.遗传学。71 1242-1247.
[15] Ravikumar，P.、Wainwright，M.J.、Raskutti，G.和Yu，B.（2011年）。通过最小化受（ell_1）惩罚的对数决定散度进行高维协方差估计。电子。《美国联邦法律大全》第5卷第935-980页·Zbl 1274.62190号 ·doi:10.1214/11-EJS631
[16] Romano，Y.、Sesia，M.和Candès，E.J.（2018年）。深度仿制品。ArXiv预印本。可在ArXiv:11811.06687上获得。
[17] Sesia，M.、Sabatti，C.和Candès，E.J.（2019年）。使用隐马尔可夫模型仿冒品进行基因搜索。生物特征106 1-18·Zbl 1506.62463号 ·doi:10.1093/biomet/asy033
[18] Stephens，M.、Smith，N.J.和Donnelly，P.（2001）。从群体数据重建单倍型的一种新的统计方法。Am.J.Hum.遗传学。68 978-989.
[19] 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
[20] Yuan，M.和Lin，Y.（2007）。高斯图形模型中的模型选择和估计。生物特征94 19-35·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018
[21] Zhang，K·Zbl 1029.92021号 ·doi:10.1073/pnas.102186799
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。