خرید و دانلود نسخه کامل کتاب Multiple testing procedures with applications to genomics

توضیحاتی در مورد کتاب

رویکرد سنتی برای آزمایش‌های چندگانه یا استنتاج همزمان این بود که تعداد کمی از آزمون‌های همبسته یا نامرتبط را انجام دهیم و یک نرخ خطای خانوادگی نوع اول را تخمین بزنیم که احتمال فقط یک خطای نوع اول از کل مجموعه را به حداقل می‌رساند. فرضیه ها پابرجاست کرانه‌هایی مانند Bonferroni یا Sidak گاهی اوقات به عنوان روشی برای محدود کردن خطای نوع I استفاده می‌شوند، زیرا کران‌های بالایی را نشان می‌دهند. روش‌های دیگر استفاده از روش‌های چند متغیره برای آمار آزمون‌ها مانند کم‌ترین تفاوت توکی، روش شفه و آزمون دانت بود. اخیراً روش‌های کناره‌گیری در کارآزمایی‌های بالینی رایج شده‌اند، اما در آنجا تعدد معمولاً 5 یا کمتر است. با معرفی بوت استرپ و پیشرفت در سرعت کامپیوتر که به روش‌های جایگشت اجازه داد تا برجستگی بیشتری پیدا کنند، Westfall و Young نیز نسخه‌ای برای استفاده از نمونه‌گیری مجدد برای تنظیم مقادیر p فردی برای آزمایش‌های چندگانه ارائه کردند و این در روش SAS پیاده‌سازی شد. MULTTEST و هم در کتابچه راهنمای SAS و هم در کتاب Westfall and Young در اواسط دهه 1990 مستند شده است. نویسندگان این متن می‌خواهند آزمایش‌های چندگانه را به ریزآرایه‌هایی که به معنای واقعی کلمه هزاران فرضیه بر روی یک آرایه آزمایش می‌شوند، گسترش دهند. دودویت و ون در لان این نظریه را گسترش دادند تا به بوت استرپینگ اجازه کار در زمینه بسیار وسیع تری را بدهد که در آن معیارهای زیادی به جز نرخ خطای خانوادگی (FWER) از جمله نرخ کشف نادرست (FDR) در نظر گرفته می شود. آنها می گویند که برای مسائل مربوط به داده های ابعادی بسیار بالا، فرضی که آنها محوری زیر مجموعه می نامند، اعمال نمی شود. این فرض اساساً همان چیزی است که در نظریه وست فال و یانگ مورد نیاز است و شامل استفاده از چیزی است که نویسندگان آن را توزیع تهی تولید کننده داده می نامند. برای ایجاد روشی که برای ریزآرایه و سایر داده‌های با ابعاد بالا کار می‌کند، نویسندگان رویه‌های خود را بر اساس توزیع تهی مشترک آمار آزمون استوار می‌کنند نه توزیع‌های تهی تولید داده که همه روش‌های دیگر به آن وابسته هستند.

این کتاب یک نظریه بسیار کلی ارائه می دهد که ایده های روش های نمونه برداری مجدد را به یک چارچوب جدید تعمیم می دهد. نویسندگان این کتاب را هم برای آماردانان و هم برای دانشمندان کاربردی در نظر گرفته اند که با داده های با ابعاد بالا در حوزه موضوعی خود مواجه می شوند. این کتاب شرحی بسیار دقیق و بسیار نظری از آزمایش‌های چندگانه ارائه می‌کند و ممکن است برای برخی از آماردانان و دانشمندان کاربردی مناسب نباشد. اما این ایده ها برای همه به ویژه در زمینه ژنومیک مهم است. نویسندگان ادعا می‌کنند که فصل‌های 4-7 فصل‌های نظری هستند که ممکن است برای همه مناسب نباشد، اما آنها اصرار دارند که فصل‌های مقدماتی 1-3 و برنامه‌های فصل 8-13 برای افرادی با پیش‌زمینه بیولوژیکی خوب در نظر گرفته شده است، اما لزوماً خیلی قوی نیستند. پیشینه آماری من نظر آنها را در مورد فصل های 1-3 که فکر می کنم برای کسانی که پیشینه آماری در سطح فارغ التحصیل ندارند، دشوار است را به اشتراک نمی گذارم، اما موافقم که فصل های 8-13 برنامه ها برای مخاطب مورد نظر خوشایند است و مخصوصاً برای کسانی که دانش دارند جالب است. و علاقه به علوم زیستی.