规模、功效与错误发现率

现代科学技术提供了一类新的大规模同时推断问题，需要同时考虑数千个假设检验。微阵列技术是此类技术的典型代表，但类似情况也出现在蛋白质组学、光谱学、成像和社会科学调查中。本文利用错误发现率方法对大规模问题进行规模和功效计算。一种简单的经验贝叶斯方法使得错误发现率（fdr）分析能够在极少频率学派或贝叶斯建模假设下进行。推导出了估计错误发现率的闭式精度公式，并用于比较不同的方法论：局部或尾部区域 fdr、理论、置换或经验零假设估计。利用两个微阵列数据集以及模拟来评估该方法论，功效诊断显示了为何非零案例可能容易未能出现在“显著”发现列表中。