4 控制错误发现率

2022-01-30 本文已影响0人老姚记事本

4.1 正确与错误的发现

假设我们有一种决策方式 $D$ ，它对 $N$ 个假设决策如下：

图中a为错误的发现，b为正确的发现
则FWER为a大于0的概率，而

a/R

被称为错误发现比率（false discovery proportion）

4.2 Benjamini和Hochberg的FDR控制算法

如果在零假设下的P值服从01均匀分布
$H_{0i}:p_i \sim U(0,1)$
定义排序后的p值为
$p_{(1)}, p_{(2)},..., p_{(N)}$

Benjamini–Hochberg过程为：取 $q$ 在0到1之间，定义 $i_{max}$ 为满足 $p_{i} \leq \frac{i} {N} q$ 的最大 $i$ ，并拒绝所有 $i \leq i_{max}$ 对应的 $H_{0(i)}$ 。

定理4.1
如果真正的零假设对应p值是互相独立的，则BH过程对应的 $BH(q)$ 错误发现比例期望值为q
$E \{ Fdp_{BH(q)} \} = \pi_0 q \leq q$
其中 $\pi_0 = N_0 / N$

显然FDR比FWER更自由，那它可信么？下面是一些问题，它们会在后面通过经验贝叶斯解决。

定理4.1依赖于零假设对应p值是互相独立，或者它们不是负相关的也可以使用。这常常是不切实际的
如果 $R=0$ ，则 $a/R$ 必须定义为0；或者限制 $R$ 必须大于0，但这常常不大可能
控制错误发现率真的比控制错误率好么？
q如何选择？
传统p值在零假设逻辑下进行计算，在大规模假设检验中不太合适

4.3 经验贝叶斯解释

如果用 $F_0$ 表示零假设的cdf，则p值为：
$p_i = F_0(z_i)$
$z_i$ 可以等于 $p_i$ ，此时 $F_0(z_i) \sim U(0,1)$ 。
对 $z$ 排序： $z_{(1)} \leq z_{(2)} \leq,...,z_{(N)}$ 。
由于 $z_i$ 的经验cdf值为 $\# \{ z_i \leq z \} / N$ ，则 $z_i$ 的经验cdf值为

结合上节，BH的阈值可转换为：

或

结合第二章大规模假设检验2.3，左式为经验贝叶斯错误发现率（分子为H0误判累积概率，分母为推翻零假设的混合概率估计）。

根据贝叶斯规则：
$Fdr(z) = \pi_0F_0(z)/F(z)$

由于 $\pi_0$ 未知，可以取它的上界1（会导致更加严格）计算，此时：

并拒绝小于

z_{max}

的H0。此时频率派与贝叶斯派的结果得到统一！
在贝叶斯视角下，前文提到的一些问题得到解答：

q的选择：q是零假设被错误拒绝的估计贝叶斯概率（先验 $\pi_0$ 取上界1）。它更好理解，而且不再是频率，因此没有 $R=0$ 时的问题。
独立性假设： $Fdr(z) = \pi_0F_0(z)/F(z)$ ，此处z是向量，而我们考虑的是多元累积概率。而用到的是 $F$ 的经验估计。因此这中间不再关注 $z_i$ 间是否独立。
决策标准：HB过程仅控制Fdp的期望就够了么？这依赖于Fdr估计的精确度，还有 $Fdr = E \{ Fdp \}$ 的精确度。
左尾、右尾和双尾推断：从贝叶斯观念看，双尾的后验推断下拒绝域 $Z$ 范围更大、精度更低
假阴性发现率：从本文开头的图可知 $Fnp = (N_1 - b) / (N - R)$ ，容易发现贝叶斯解释同样适用于Fnp

4.4 FDR控制是“假设检验”么

一般认为BH过程是多重假设检验过程，但是在4.3的解释中似乎不太像，怎么理解它呢？
假设我们选择的决策区间为 $\mathcal R$ ，H0下落入区间的期望数为 $e_0 ( R)$ ，R为观测到的显著数，则估计的错误发现率为:

由于当它小于q时我们认为这R个假设显著，也就是判断等价于为R的不等式

在泊松独立假设下

显然可以找到某个显著水平为“

\alpha

”级别的显著规则

R \geq Q_\alpha

经验贝叶斯发现率控制后，会处于“R个发现全部为真”和“R个发现中存在真”之间。它更像是一个估计而不是检验统计量：对R个发现中的错误比例进行估计。

4.5 Benjamini–Hochberg算法的变种

以下介绍两种。

评估 $\pi_0$
HB相当于将 $\pi_0$ 取上界1来评估，会存在高估，如何更准确评估 $\pi_0$ 呢？
如果定义一个没有正确发现的区间

如果将 $N_+$ 的观测值带入，可以得到

一般区间的取法为，找一个以H0为中心划一个区间

事实上这个概率估算并不特别重要， $\pi_0$ 取0.9与取1的差异非常小，更重要也更难的是如何计算概率密度函数，会在第6章展开。
微阵列的显著性分析
如第2章中的例子，如果X是一个N*n的矩阵，其分为实验组和对照组，则我们可以计算得到向量 $\mathcal z = (z_1,z_2,...,z_N)'$

1 此算法构建B个N*n的矩阵 $X^*$ ，每一个矩阵都是由原始矩阵随机排序后得到的（将原来的实验组与对照组混合，随机分为两组得到矩阵，重复B次），可以计算对应的 $z^*$ ;
2 对每个矩阵 $z^*$ 内的值进行排序，记作 $z^{*b}$ ，则可计算

对应的也可以将 $z$ 排序得到 $Z$
3 绘制