跳到主要內容

臺灣博碩士論文加值系統

(18.97.9.168) 您好!臺灣時間:2024/12/06 00:34
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:林雅惠
研究生(外文):Ya-hui Lin
論文名稱:DNA微陣列基因多重檢定比較之問題
指導教授:薛慧敏 老師
指導教授(外文):Hui-min Hsueh
學位類別:碩士
校院名稱:國立政治大學
系所名稱:統計研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2003
畢業學年度:90
語文別:中文
論文頁數:55
中文關鍵詞:個別型一誤差率整體誤差率多重比較方法錯誤發現率
外文關鍵詞:CWEFWEMCPFDR
相關次數:
  • 被引用被引用:0
  • 點閱點閱:250
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0


在DNA微陣列基因的實驗中資料包括數千個cDNA 序列,為了要篩選出有差異表現基因,同時針對大量基因個數作假設檢定。若無適當地調整個別檢定問題中的誤差率,則將會膨脹整體的誤差率。在多重假設檢定中為了讓整體誤差率(familywise error rate, FWE)控制在設定水準下,必須調整個別假設檢定之個別型一誤差率CWE的檢定準則,此為多重比較方法(multiple comparison procedures:MCP)。然而當多重比較的個數增加時,控制整體誤差率FWE之傳統的多重比較方法會是過於嚴格的標準,不容易推翻虛無假設,使得檢定的結果太過保守。為了解決此現象,Benjamini and Hochberg(1995) 建議另一種錯誤率:錯誤發現率(false discovery rate:FDR)。錯誤發現率定義為在被拒絕之虛無假設中錯誤拒絕的比例之期望值。而Benjamini and Hochberg(1995)也在文中提出一個得以控制錯誤發現率的多重比較方法,稱為BH方法。本篇論文將詳盡地介紹CWE、FWE和FDR三種誤差率,並提出-修正BH的方法,稱為BH( )。我們將透過電腦模擬驗證出新的修正BH方法之表現比原BH方法有較高的檢定力,且從實例的結果中發現BH( )比原BH方法能檢測出更多的顯著個數。
關鍵字:個別型一誤差率(CWE);整體誤差率(FWE);多重比較方法(MCP);
錯誤發現率(FDR)。



cDNA microarray technology provides tools to study thousands of genes simultaneously. Since a large number of genes are compared, using a conventional significant test leads to the increase of the type I error rate. To avoid the inflation, the adjustment for multiplicity should be considered and a multiple comparison procedure (MCP) that controls the familywise error rate (FWE) is recommended. However, the conservativeness of a MCP that controls FWE becomes more and more severe as the number of comparisons (genes) increases. Instead of FWE, Benjamini and Hochberg (1995) recommended to control the expected proportion of falsely rejecting hypotheses─the false discovery rate (FDR)─and developed a MCP, which has its FDR under control. In this paper, the error rates CWE, FWE and FDR are fully introduced. A new MCP with FDR controlled is developed and its performance is investigated through intensive simulations.
KEY WORDS:Comparison-wise error rate (CWE);Familywise error rate (FWE);Multiple comparison procedure (MCP);False discovery rate (FDR).


第一章 緒論............................................1
第二章 錯誤發現率FDR及其多重比較方法...................3
第一節 錯誤發現率FDR...................................3
第二節 BH方法..........................................6
第三章 估計 和檢定力(1-β) ..................... .......9
第一節 估計 ..........................................9
第二節 檢定力(1-β)之估計...............................10
第三節 修正BH方法-BH( ).............................14
第四章 模擬............................................17
第一節 估計 ..........................................17
第二節 多重比較方法之比較.............................26
第五章 實例應用....................................37
第一節 資料說明.......................................37
第二節 資料分析與檢定結果.............................38
第六章 結論與建議...................................43
參考文獻..............................................44
附錄..................................................45
(程式)



1.Benjamini, Y. and Hochberg, Y. (1995) “Controlling the false discovery rate: A practical and powerful approach to multiple testing”. J. R. Statistical Soc. Ser. B, 57, 289-300.
2.Benjamini, Y. and Liu, W. (1999) “A step-down multiple hypotheses testing procedure that controls the false discovery rate under independence”. Journal of Statistical Planning and Inference, 82(1-2), 163-170.
3.Benjamini, Y., Yekutieli, D., Reiner, A., Yakubov, R. and Gutman, R. “False Discovery Rate —FDR”. http://www.math.tau.ac.il/~roee/index.htm, Sep 11th, 2002.
4.Hochberg, Y. (1988) “A sharper Bonferroni procedure for multiple tests of significance”. Biometrika, 75, 800-803.
5.Kerr, M. K., Afshari, C. A., Bennett, L., Bushel, P., Martinez, J., Walker, N. J. and Churchill, G. A. (2001) “Statistical Analysis of a Gene Expression Microarray Experiment with Replication”. Statistica Sinica, 12, 203-218.
6.Kerr, M. K., Martin, M. and Churchill, G. A.(2000)“Analysis of variance for gene expression microarray data”. Journal of Computational Biology, 7, 819-837.
7.Miller, R. G..(1981) “Simultaneous Statistical Infrence”. 2nd ed. New York: Springer-Verlag, 67-70.
8.Nadon, R. and Shoemaker, J. (2002) “Statistical issues with microarrays: processing and analysis”. Trends in Genetics, 18, 265-271.
9.Simes, R. J. (1986) “An improved Bonferroni procedure for multiple tests of significance”. Biometrika, 73, 751-754.
10.Yang, Y. H., Dudoit, S., Luu, P. and Speed, T. P. (2001) “Normalization for cDNA microarray data”. In M. L. Bittner, Y. Chen, A. N. Dorsel, and E. R. Dougherty (eds), Microarrays: Optical Technologies and Informatics, Proceedings of SPIE, 4266, 141-152.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top