首页/论文/1102.2993

arXiv 1102.29932011-02-15stat.ME

评论：统计学和遗传学研究中假设检验的缺失信息部分的定量

Comment: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies

Tian Zheng, Shaw-Hwa Lo

备注：: Published in at http://dx.doi.org/10.1214/08-STS244A the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)
发表信息：: Statistical Science 2008, Vol. 23, No. 3, 321-324
DOI：: 10.1214/08-STS244A

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

关于“统计学和遗传学研究中假设检验缺失信息部分的定量”的评论[arXiv：1102.2774]

英文摘要：

Comment on "Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies" [arXiv:1102.2774]

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

反驳：统计学和遗传学研究中假设检验的缺失信息部分的量化

Rejoinder: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies

对“统计学和遗传学研究中假设检验缺失信息部分的定量”的反驳[arXiv：1102.2774]

2011-02-15stat.ME

评论：统计学和遗传学研究中假设检验的缺失信息部分的定量

Comment: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies

关于“统计学和遗传学研究中假设检验缺失信息部分的定量”的评论[arXiv：1102.2774]

2011-02-15stat.ME

评论：量化生存研究中的信息损失

Comment: Quantifying Information Loss in Survival Studies

关于“统计学和遗传学研究中假设检验缺失信息部分的定量”的评论[arXiv：1102.2774]

2011-02-15stat.ME

统计与遗传研究中假设检验缺失信息的定量分析

Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies

许多实际研究依赖于应用于缺失信息数据集的假设检验程序。分析的一个重要部分是确定缺失数据对测试性能的影响，这可以通过适当量化可用信息的相对（完整数据）量来完成。这个问题的直接动机是应用研究，如连锁分析和基于单体型的关联项目，旨在确定复杂疾病的遗传贡献。在遗传学研究中，试验设计、技术比较、数据解释以及理解某些推理工具的行为都需要相关的信息测度。在构建这种信息措施方面的主要困难来自于实践中的多重目标，有时甚至是相互冲突的目标。对于大样本，我们表明，一个令人满意的，基于似然性的一般解决方案存在通过使用适当形式的相对Kullback-Leibler信息，并建议的措施是计算成本低廉的最大似然性与观测数据。分别在零假设和备择假设下引入了两种测度。我们对来自炎症性肠病和糖尿病的映射研究的数据进行了测量。对于小样本问题，这在实践中出现得相当频繁，有时是以变相的形式出现的（例如，测量个体对大型研究的贡献），鲁棒贝叶斯方法具有很大的前景，尽管通用“默认先验”的选择是一个非常具有挑战性的问题。

2011-02-14stat.ME

从病例对照数据中量化和估计交互作用的加性测量

Quantifying and estimating additive measures of interaction from case-control data

在本文中，我们开发了一个通用的框架来量化二元风险因素如何共同影响二元结果。我们的主要结果是一个附加的扩展优势比的总和的边际效应和相互作用方面的不同顺序。这些比值比扩展用于通过来自逻辑斯谛回归模型的极大似然估计病例对照数据集的超额比值比、归因比例和协同指数。与联合效应和风险因素相互作用的这些估计值相关的置信区间依赖于delta方法。我们的方法说明了一个大型的北欧Meta数据集多发性硬化症。它结合了四项研究，共有6265例病例和8401例对照。它有三个风险因素（吸烟和两个遗传因素）和一些其他混杂变量。

2017-07-04stat.ME

系统聚类的U-统计推断

U-statistical inference for hierarchical clustering

聚类方法在高维数据的模式识别中有着重要的应用价值。然而，量化聚类中的不确定性是一个具有挑战性的问题，特别是在处理高维低样本量（HDLSS）数据时。我们在这里开发了一个U-统计为基础的聚类方法，评估聚类的统计意义，是专门针对HDLSS的情况。这些非参数方法依赖于对数据的非常少的假设，因此可以应用于欧几里德距离捕获相关特征的广泛数据集。我们提出了两个重要的聚类算法，层次化的方法和非嵌套的版本。为了做到这一点，我们首先提出了一个相关的U-统计量的扩展，并发展其渐近理论。我们的方法进行了测试，通过广泛的模拟，发现比竞争对手的替代品更强大。它们在从遗传学到图像识别问题的两个应用中进一步展示。

2018-05-30stat.ME

更多相关论文收起更多论文

构建遗传风险评分：通过投影汇总统计量和灵活收缩的稳健贝叶斯方法

Constructing Genetic Risk Scores: Robust Bayesian Approach through Projected Summary Statistics and Flexible Shrinkage

Johns Hopkins University（约翰斯·霍普金斯大学）；University of Pennsylvania（宾夕法尼亚大学）

本文提出了一种基于投影汇总统计量和灵活收缩的贝叶斯方法，用于构建更稳健的遗传风险评分，通过广泛实验验证其在不同场景下的优越性能。

2026-03-09stat.ME

基于正则化的系统发育推断的一致性和收敛速度

Consistency and convergence rate of phylogenetic inference via regularization

在生物遗传学中，通常有一些关于一组生物体的整体进化树的信息，也许是部分信息，并希望为这些生物体找到一个特定基因的进化树。仅在基因序列中可能没有足够的信息来准确地重建正确的“基因树”。虽然基因树可能会由于各种遗传过程而偏离“物种树”，但在缺乏相反证据的情况下，假设它们是一致的是很吝啬的。在这些情况下，一个常见的统计方法是制定一个可能性惩罚，以纳入这些额外的信息。最近的研究使用模拟和经验数据表明，可能性惩罚量化与物种树的一致性可以显着提高基因树重建的准确性相比，单独使用序列数据。然而，这种方法的一致性尚未建立，也没有收敛速度的限制。由于遗传学是一个非标准推理问题，标准理论并不适用。在本文中，我们提出了一个惩罚的最大似然估计基因树重建，其中的惩罚是从基因树的物种树的Billera-Holmes-Vogtmann测地线距离的平方。我们证明了这种方法是一致的，并推导出其收敛速度估计的离散基因树结构和连续的边缘长度（代表的进化量，已发生在该分支）同时。我们发现，正则化估计是“自适应快速收敛”，这意味着它可以重建所有的边缘长度大于任何给定的阈值从基因序列的多项式长度。我们的方法不需要物种树是确切知道的，事实上，我们的渐近理论适用于任何这样的指导树。

2018-01-06math.STq-bio.PEstat.TH