Jaccard/Tanimoto 相似度检验与估计方法
统计方法学
2023-03-21 v1 应用统计
统计计算
摘要
二元数据广泛应用于生物科学的广泛领域。利用二元存在-缺失数据，我们可以评估物种共现，从而帮助阐明生物与环境之间的关系。为概括物种出现情况的相似性，我们常规使用 Jaccard/Tanimoto 系数，即其交集与并集之比。因此，识别统计显著的 Jaccard/Tanimoto 系数是自然的，其暗示物种的非随机共现。然而，使用该相似系数的统计假设检验鲜有使用或研究。我们针对生物存在-缺失数据引入一种基于 Jaccard/Tanimoto 系数的相似性假设检验。提出了若干关键改进，包括考虑出现概率的无偏期望估计与中心化 Jaccard/Tanimoto 系数。我们推导了精确与渐近解，并开发了 bootstrap 与测量集中（measurement concentration）算法以计算二元相似性的统计显著性。综合仿真研究表明，我们提出的方法产生准确的 p 值与错误发现率（false discovery rates）。所提出的估计方法比精确解快数个数量级。所提方法在名为 jaccard 的开源 R 包中实现（https://cran.r-project.org/package=jaccard）。我们引入了一套针对 Jaccard/Tanimoto 相似系数的统计方法，使得在物种共现分析中可直接纳入概率测度。由于其通用性，所提方法与实现适用于基因组学、生物化学及其他科学领域涌现的广泛二元数据。
引用
@article{arxiv.1903.11372,
title = {Jaccard/Tanimoto similarity test and estimation methods},
author = {Neo Christopher Chung and Błażej Miasojedow and Michał Startek and Anna Gambin},
journal= {arXiv preprint arXiv:1903.11372},
year = {2023}
}