仅需一两个 p 值即可在无强参数假设下简单估计错误发现率
统计方法学
2013-09-03 v1 统计理论
定量方法
统计理论
摘要
控制族系错误率或错误发现率的多重比较程序，会为每个被检验假设提供一个作为调整后 p 值的实际错误率。然而，由于此类 p 值并非原假设为真的概率，经验贝叶斯方法被设计用来估计这类后验概率，称为局部错误发现率 (local false discovery rates, LFDRs)，以强调其先验的频率解释。LFDR 估计的主要方法，要么依赖数值算法最大化似然，要么依赖为非参数密度估计选择平滑参数，缺乏错误率控制方法所具有的自动性。为开始填补这一空白，本文引入了在 p 值独立条件下具有已证明的渐近保守性的自动 LFDR 估计方法，且无需强参数假设。模拟表明，即使对于非常少的假设数量，这些方法仍保持保守性。所提出的程序之一能够用 LFDR 估计来解释原始的 FDR 控制规则，从而便于实际解释。新程序中最保守的一种被应用于 20 种蛋白质的实测丰度水平。
引用
@article{arxiv.1106.4490,
title = {Simple estimators of false discovery rates given as few as one or two p-values without strong parametric assumptions},
author = {David R. Bickel},
journal= {arXiv preprint arXiv:1106.4490},
year = {2013}
}