利用經驗貝氏方法估計錯誤發現率

Translated title of the thesis: Estimation of False Discovery Rate Using Empirical Bayes Method
  • 鄭 暘諭

Student thesis: Master's Thesis

Abstract

在多重檢定的問題中，如果不調整個別檢定之顯著水準，仍設定?，則m個檢定的整體犯錯率就會膨脹為m?。過去文獻顯示當虛無假設是錯的情況下，控制整體型I誤發生率(familywise error rate; FWER)的方法會出現較低的檢定力，和個別型I錯誤發生率(type I error rate)低於顯著水準的問題。同時對多個假設檢定進行比較時，首要問題是如何控制型I錯誤發生率，廣為熟知的是控制FWER，另一可能的解決辦法為控制錯誤發生率(false discovery rate; FDR)，無論是FWER或是FDR，要能改善當虛無假設不為真時，所帶來較低檢定力的問題，可以針對虛無假設為真的個數給一較精確的估計。 本篇假設數個基因資料分別呈混合型常態分配，及假設參數具先驗分配，利用貝氏驗後分配和EM演算法估計分配中虛無假設為真的比例，進而估計虛無假設為真時的個數和FDR。 當基因個數足夠且病人個數較大的情況，真實虛無假設為真的比例越高，提出之EBay估計越能有較小的RMSE，估計越精確，且透過蒙地卡羅演算法可模擬不同參數組合下的表現性質，Ma & Chao (2011)應用McNemar檢定之估計方法，若維持設定顯著水準?=0 05會造成估計誤差偏大，Benjamini & Hochberg (2000)提出之估計方法在設定基因突變比例為隨機的情況下表現並不穩定，Ma & Tsai (2011)應用傅萊得曼檢定之估計方法亦有相同情形。
Date of Award2016 Jul 7
Original languageChinese
SupervisorMi-Chia Ma (Supervisor)

Cite this

'