Empirical Bayes large-scale multiple testing for high-dimensional binary outcome data

doi:10.3150/25-bej1904

Empirical Bayes large-scale multiple testing for high-dimensional binary outcome data

2026-05-01

0

PRE

AI

N

Ning, Yu-Chien Bo *

DOI：10.3150/25-bej1904

原文链接

原文求助

摘要

En 中文

本文探讨了针对具有二元结果的稀疏高维数据的多重检验问题。我们基于尖峰-平台后验提出了新颖的经验贝叶斯多重检验方法，并评估了其在控制错误发现率（FDR）方面的性能。一个令人惊讶的发现是，使用默认共轭先验（即& ell;-value方法）的检验程序在估计FDR时可能过于保守。为解决此问题，我们引入了两种新的检验方法，能够实现准确的FDR控制。为这些方法建立了精确的频率学派理论结果，并通过数值实验验证了有限样本下的理论。据我们所知，我们首次在高维数据多重检验的稀疏性假设下，获得了具有二元结果的统一FDR控制结果。

Keyword:

Binomial distribution

empirical Bayes

false discovery rate

multiple testing

sparse binary data

spike-and-slab posterior

Empirical Bayes large-scale multiple testing for high-dimensional binary outcome data

摘要

期刊

机构

引用论文