生物统计学虚拟研讨会——Ghosh博士在高维平均向量测试片面的假设
时间和地点
4月18日
下午12:00 PM一点
网讯(在谷歌地图)
联系
- 斯科特·戴森
- scott.b.dyson@uth.tmc.edu
事件描述
推荐者:
Santu Ghosh博士。
副教授,生物统计学与数据科学分工,奥古斯塔大学
文摘
统计推断中起着至关重要的作用在许多科学研究,和一个重要的推论是平均向量测试。在高维数据特征的数量,p,大于观测的数量,n),许多有效的统计方法用于执行双边平均向量测试已经开发出来。然而,片面的高维意味着向量测试得到了有限的关注。然而,当n < p,样本协方差矩阵是奇异与n。因此,样本协方差矩阵求逆,被多重比较的传统建筑过程中使用没有明确定义。因此,高效、健壮的测试在高维设置仍在高需求。提出的测试方法是基于组件的直觉,如果真正的价值观µ积极但小,然后跨样本均值向量的分量之和可能会受到大量的样本均值向量的消极成分。因此,基于sum-of-component检验统计量在所有指标将不可能是零的极端足以引起怀疑。sum-of-maximum基于组件的检验统计量将代表一个积累大量的积极但小信号,将会有更多的权力比sum-of-component检验统计量。一个片面的高维平均向量测试,称为广义maximum-component-wise (GMC)测试,提出了。我们研究GMC检验统计量的渐近分布。 The proposed test achieves competitive rates for both type I error and power. The usefulness of the suggested test is illustrated by applications to the EpiGO study.
密码:VAqpMQpR624
事件网站链接
https://uthealth.webex.com/uthealth/j.php?MTID=m9e2df2ca0d53ec7cbb831331dc7161ca
推荐者:
Santu Ghosh博士。
副教授,生物统计学与数据科学分工,奥古斯塔大学
文摘
统计推断中起着至关重要的作用在许多科学研究,和一个重要的推论是平均向量测试。在高维数据特征的数量,p,大于观测的数量,n),许多有效的统计方法用于执行双边平均向量测试已经开发出来。然而,片面的高维意味着向量测试得到了有限的关注。然而,当n < p,样本协方差矩阵是奇异与n。因此,样本协方差矩阵求逆,被多重比较的传统建筑过程中使用没有明确定义。因此,高效、健壮的测试在高维设置仍在高需求。提出的测试方法是基于组件的直觉,如果真正的价值观µ积极但小,然后跨样本均值向量的分量之和可能会受到大量的样本均值向量的消极成分。因此,基于sum-of-component检验统计量在所有指标将不可能是零的极端足以引起怀疑。sum-of-maximum基于组件的检验统计量将代表一个积累大量的积极但小信号,将会有更多的权力比sum-of-component检验统计量。一个片面的高维平均向量测试,称为广义maximum-component-wise (GMC)测试,提出了。我们研究GMC检验统计量的渐近分布。 The proposed test achieves competitive rates for both type I error and power. The usefulness of the suggested test is illustrated by applications to the EpiGO study.
密码:VAqpMQpR624
\ n \ nhttps: / /uthealth.webex.com/uthealth/j.php?MTID = m9e2df2ca0d53ec7cbb831331dc7161ca”、“startDate可以”:“2023-4-18”、“endDate”:“2023-4-18”、“开始时间”:“12”、“endTime”:“13”、“位置”:“网讯”、“标签”:“添加到日历”、“选项”:[“苹果”、“谷歌”、“iCal”、“Microsoft365”、“MicrosoftTeams”、“Outlook.com”,“雅虎”),“时区”:“美国/芝加哥”、“触发”:“点击”、“内联”:真的,”listStyle”:“模态”、“iCalFileName ": " Reminder-Event "}