基于多臂老虎机的自适应蒙特卡洛多重检验
统计方法学
2019-05-21 v3 信息论
math.IT
基因组学
摘要
蒙特卡洛（MC）置换检验被认为是统计假设检验的黄金标准，尤其是在标准参数假设不明确或可能不成立时。然而，在现代数据科学中需要同时执行大量假设检验的情形下，由于其高昂的计算成本而很少被使用。例如，在全基因组关联研究中，假设检验个数 约为 ，而每次检验的 MC 样本数 可能大于 ，总计超过 = 个样本。本文提出自适应 MC 多重检验（AMT）来估计 MC p 值并控制多重检验中的错误发现率。该算法以高概率输出与标准完全 MC 方法相同的结果，同时仅需 个样本。该样本复杂性被证明是最优的。在一个帕金森病 GWAS 数据集上，该算法将运行时间从完全 MC 的 2 个月减少到 1 小时。AMT 算法基于多臂老虎机理论推导而来。
引用
@article{arxiv.1902.00197,
title = {Adaptive Monte Carlo Multiple Testing via Multi-Armed Bandits},
author = {Martin J. Zhang and James Zou and David Tse},
journal= {arXiv preprint arXiv:1902.00197},
year = {2019}
}