Multiple hypothesis testing is conc

Multiple hypothesis testing is concerned with controlling the rate of
false positives when testing several hypotheses simultaneously. One multiple
hypothesis testing error measure is the false discovery rate (FDR), which is
loosely defined to be the expected proportion of false positives among all
significant hypotheses. The FDR is especially appropriate for exploratory
analyses in which one is interested in finding several significant results among
many tests. In this work, we introduce a modified version of the FDR called
the “positive false discovery rate” (pFDR). We discuss the advantages and
disadvantages of the pFDR and investigate its statistical properties. When
assuming the test statistics follow a mixture distribution, we show that the
pFDR can be written as a Bayesian posterior probability and can be connected
to classification theory. These properties remain asymptotically true under
fairly general conditions, even under certain forms of dependence. Also,
a new quantity called the “q-value” is introduced and investigated, which
is a natural “Bayesian posterior p-value,” or rather the pFDR analogue
of the p-value.

ผลลัพธ์ (ไทย) 1:

การทดสอบสมมติฐานหลายเกี่ยวข้องกับการควบคุมอัตรา
ทำงานผิดพลาดปลอมเมื่อทดสอบสมมุติฐานต่าง ๆ พร้อมกัน หลายหนึ่ง
สมมติฐานทดสอบวัดผิดพลาดคือ อัตราค้นหาเท็จ (FDR), ซึ่งเป็น
ซึ่งกำหนดเป็น สัดส่วนที่คาดไว้ของปลอมทำงานผิดพลาดระหว่างทั้งหมด
สมมุติฐานอย่างมีนัยสำคัญ FDR เหมาะสมโดยเฉพาะอย่างยิ่งสำหรับเชิงบุกเบิก
วิเคราะห์ที่หนึ่งได้รับความสนใจในการหาผลลัพธ์หลายอย่างมีนัยสำคัญระหว่าง
ทดสอบมากขึ้น ในงานนี้ เราแนะนำการปรับเปลี่ยนของ FDR เรียก
"อัตราบวกเท็จดิสคัฟเวอรี่" (pFDR) เราหารือเกี่ยวกับข้อดี และ
ข้อเสียของการ pFDR และตรวจสอบคุณสมบัติทางสถิติ เมื่อ
เราสมมติว่า สถิติทดสอบทำตามส่วนผสมกระจาย แสดงว่าการ
pFDR สามารถเขียนเป็นความน่าเป็นหลังของทฤษฎี และสามารถเชื่อมต่อ
การจัดประเภททฤษฎี คุณสมบัติเหล่านี้ยังคงเป็นจริง asymptotically ภายใต้
สภาพทั่วไปค่อนข้าง ใต้บางรูปแบบพึ่งพา ยัง,
แนะนำ และตรวจ สอบ ซึ่งปริมาณใหม่เรียกว่า "คิวค่า"
เป็นธรรมชาติ "ทฤษฎีหลัง p-ค่า หรือเป็นอนาล็อก pFDR
ของค่า p

ผลลัพธ์ (ไทย) 2:

การทดสอบสมมติฐานหลายที่เกี่ยวข้องกับการควบคุมอัตราการ
บวกเท็จเมื่อทดสอบสมมติฐานหลายพร้อมกัน หนึ่งในหลาย
สมมติฐานการทดสอบวัดความผิดพลาดเป็นอัตราการค้นพบเท็จ (FDR) ซึ่ง
กำหนดไว้อย่างหลวม ๆ ว่าเป็นสัดส่วนที่คาดว่าบวกเท็จในทุก
สมมติฐานอย่างมีนัยสำคัญ FDR โดยเฉพาะอย่างยิ่งที่เหมาะสมสำหรับการสำรวจ
การวิเคราะห์ในที่หนึ่งที่มีความสนใจในการหาผลลัพธ์ที่สำคัญหลายใน
การทดสอบหลาย ในงานนี้เราแนะนำรุ่นล่าสุดของ FDR เรียกว่า
"บวกอัตราการค้นพบเท็จ" (pFDR) เราหารือเกี่ยวกับข้อดีและ
ข้อเสียของการ pFDR และตรวจสอบคุณสมบัติทางสถิติของ เมื่อ
สมมติว่าการทดสอบสถิติตามการกระจายส่วนผสมที่เราแสดงให้เห็นว่า
pFDR สามารถเขียนเป็นความน่าจะเป็นหลังแบบเบย์และสามารถเชื่อมต่อ
กับทฤษฎีการจัดหมวดหมู่ คุณสมบัติเหล่านี้ยังคงเป็นจริงในเชิงเส้นภายใต้
เงื่อนไขที่เป็นธรรมโดยทั่วไปแม้ภายใต้รูปแบบบางอย่างของการพึ่งพาอาศัย นอกจากนี้
ปริมาณใหม่ที่เรียกว่า "Q-ค่า" ที่มีการแนะนำและการตรวจสอบซึ่ง
เป็นธรรมชาติ "หลังคชกรรม p-value" หรือค่อนข้างคล้าย pFDR
ของ p-value

ผลลัพธ์ (ไทย) 3:

การทดสอบสมมติฐานหลายเกี่ยวข้องกับการควบคุมอัตราบวกเท็จ เมื่อทดสอบสมมติฐาน
หลายพร้อมกัน หนึ่งหลาย
การทดสอบสมมติฐานอัตราการค้นพบข้อผิดพลาดการวัดเป็นเท็จ ( FDR ) ซึ่งนิยามเป็น
หลวมคาดว่าสัดส่วนของผลบวกปลอมของสมมติฐานที่สำคัญทั้งหมด

ที่เหมาะสมสำหรับเด็ก
FDR โดยเฉพาะอย่างยิ่งวิเคราะห์ ซึ่งสนใจในการหาผลลัพธ์ของการทดสอบหลายๆอย่าง
มากมาย ในงานนี้ เราแนะนำเป็นรุ่นที่แก้ไขของ FDR เรียกว่า
" บวกอัตราการค้นพบเท็จ " ( pfdr ) เราจะหารือเกี่ยวกับข้อดีและข้อเสียของ pfdr
ของสถิติและตรวจสอบคุณสมบัติ เมื่อ
สมมติว่าสถิติทดสอบติดตามส่วนผสมกระจาย เราแสดงให้เห็นว่า
pfdr สามารถเขียนเป็นแบบของความน่าจะเป็นและสามารถเชื่อมต่อ
ทฤษฎีการจำแนกประเภท คุณสมบัติเหล่านี้ยังคง asymptotically ที่แท้จริงภายใต้เงื่อนไขที่ค่อนข้างทั่วไป
แม้ภายใต้รูปแบบบางอย่างของการพึ่งพา นอกจากนี้
ปริมาณใหม่ที่เรียกว่า " ระตู " แนะนำและตรวจสอบซึ่ง
เป็นธรรมชาติ " คชกรรมด้านหลัง p " หรือมากกว่า pfdr อนาล็อก
ของระดับ .