生物医学研究中错误发现率的在线控制
统计方法学
2018-09-27 v2 应用统计
摘要
现代生物医学研究经常涉及检验多个相关假设，同时保持对适当错误率的控制。在许多应用中，错误发现率（FDR，即被拒绝假设中假阳性的期望比例）已成为标准错误准则。控制 FDR 的程序，如著名的 Benjamini-Hochberg 程序，假设所有 p 值都可在单一时间点获得以进行检验。然而，这忽略了众多生物医学实验的序贯性质，其中一系列假设被检验时无法获得未来的 p 值甚至假设的总数。最近，Javanmard 和 Montanari（Ann. Stat. 2018）首次提出了以这种在线方式控制 FDR 的程序，并由 Ramdas 等人（NIPS 2017, ICML 2018）加以发展。在本文中，我们比较和对比这些提出的程序，特别关注 p 值相关的情况。我们还针对待检验假设数量存在上界的情形，提出了对这些程序的简单修改。通过全面的模拟场景和案例研究，我们就实践中使用哪些程序进行在线 FDR 控制提供了建议。
引用
@article{arxiv.1809.07292,
title = {Online control of the false discovery rate in biomedical research},
author = {David S. Robertson and James M. S. Wason},
journal= {arXiv preprint arXiv:1809.07292},
year = {2018}
}
备注
48 pages, 18 figures; Updated references