指数族的实证零假设和错误发现率推断
摘要：在大规模多重检验中，使用经验零分布而不是理论零分布对于正确推断可能至关重要。本文提出了一种“模式匹配”方法，用于拟合理论零分布属于任何指数分布的经验零。基于$z$-scores的中心匹配方法，模式匹配通过在模态附近的区域内使用泊松回归将适当的指数分布拟合到测试统计直方图中来估计零密度。然后使用经验零估计来估计局部和尾部错误发现率（FDR）进行推断。提供了Delta方法的协方差公式和近似渐近偏差公式，以及关于过程的调整参数对偏差-方差权衡的影响的模拟研究。发现标准FDR估计在极端尾部偏低。协方差估计中考虑了测试统计之间的相关性，为指数家族的Efron的“外翼函数”的推广提供了理论依据。在Framingham心脏研究中进行了基于家庭的全基因组关联研究和儿童诵读障碍的解剖学脑成像研究的$chi^2$统计应用的展示。
作者：Armin Schwartzman
论文ID：0901.4007
分类：Applications
分类简称：stat.AP
提交时间：2009-01-27