文献

J-GLOBAL ID：201702241542945946   整理番号：17A1242257

依存性不明の誤発見比率の推定【Powered by NICT】

Estimation of the false discovery proportion with unknown dependence

著者 (3件)： Fan Jianqing (Princeton University, USA) ,  Fan Jianqing (Fudan University, Shanghai, People’s Republic of China) ,  Han Xu (Temple University, Philadelphia, USA)
資料名： Journal of the Royal Statistical Society. Series B. Statistical Methodology  (Journal of the Royal Statistical Society. Series B. Statistical Methodology)
巻： 79  号： 4  ページ： 1143-1164  発行年： 2017年 
JST資料番号： C0675A  ISSN： 1369-7412  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 相関検定統計量を用いた大規模多重検定は,多くの科学的研究ではしばしば生じる。誤発見比率(FDP)を近似における相関情報の組み込み近年益々注目を集めている。検定統計量の共分散行列が既知である場合,ファンと彼の同僚は,任意の依存性構造といくつかのスパース性仮定の下でFDPの正確な近似を提供した。しかし,共分散行列が多くの応用でしばしば知られておらず,そのような依存性情報はFDPを近似する前に推定しなければならない。推定精度はFDP近似に大きく影響する。本論文では,試験手順に未知の依存性の効果を理論的に研究し,FDPはよく近似できるように一般的なフレームワークを確立した。FDPを近似における未知の依存性の影響は,二種類の主要な側面:固有値や固有ベクトルを推定すると辺縁分散の推定。これら二面で課題に対処するために,筆者らは最初にFDPの良好な近似のための固有値と固有ベクトルの推定に対する一般的な要求事項を開発した。はこのような要求を満足する共分散行列の構造に及ぼす条件を与えた。このような依存性構造は縞状またはスパース共分散行列と(条件付き)疎精度行列を含んでいる。この枠組みの中で,著者らはまた,データは近似因子モデル,最も実用的な状況を包含するから採取した本手法を示す特別な例を考察した。は,この特定の依存性構造を利用することによるFDPの良好な近似を提供した。結果はさらに多変量正規性仮定を緩和した状況に一般化した。著者らの結果は,シミュレーション研究といくつかの実データ応用により実証した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 透視図法 ,  送風機 ,  固有値 ,  固有ベクトル ,  多重化 ,  シミュレーション ,  *近似法
準シソーラス用語： 多変量 ,  因子モデル ,  推定精度 ,  スパース性 ,  共分散行列 ,  検定統計量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 近似因子モデル ,  依存試験統計 ,  偽発見の割合 ,  大規模多重検定 ,  未知共分散行列

分類 (3件)： 数値計算  (JE02000J) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 依存性 ,  発見 ,  比率 ,  推定