Inhaltsverzeichnis - Mathematisches Institut der Universität zu Köln
Inhaltsverzeichnis - Mathematisches Institut der Universität zu Köln
Inhaltsverzeichnis - Mathematisches Institut der Universität zu Köln
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
DMV Tagung 2011 - <strong>Köln</strong>, 19. - 22. September<br />
Marsel Scheer, Helmut Finner<br />
Deutsches Diabetes-Zentrum, Leibniz Zentrum für Diabetesforschung an <strong>der</strong><br />
Heinrich-Heine-<strong>Universität</strong> Düsseldorf, <strong>Institut</strong> für Biometrie und Epidemiologie<br />
Die erwartete Anzahl falscher Ablehnungen als Fehlerkriterium<br />
Die erwartete Anzahl falscher Ablehnungen, kurz ENFR (expected number of false rejections), ist eine<br />
interessante und wichtige Kenngröße für multiple Testprozeduren. Bereits 1972 führte Spjøtvoll ein<br />
Kriterium <strong>zu</strong>r Kontrolle <strong>der</strong> ENFR ein, welches sehr restriktiv ist und wohl nicht <strong>zu</strong>letzt deshalb wenig<br />
Beachtung gefunden hat. Wesentlich populärer und umfassen<strong>der</strong> erforscht sind die familywise error<br />
rate (FWER) und die false discovery rate (FDR). In diesem Vortrag wird ein neues auf <strong>der</strong> ENFR<br />
beruhendes Kriterium vorgestellt, dass deutlich flexibler als Spjøtvoll’s Ansatz ist. Unter entsprechenden<br />
Unabhängigkeitsannahmen wird gezeigt, dass eine in einem gewissen Sinne die ENFR-kontrollierende<br />
Prozedur auch die FDR <strong>zu</strong> einem wohlbestimmten Niveau kontrolliert. In einem Spezialfall gilt sogar die<br />
Umkehrung. Bei fehlenden Unabhängigkeitsannahmen können sich die Verhältnisse jedoch drastisch<br />
än<strong>der</strong>n. So kann <strong>zu</strong>m Beispiel für eine die FWER kontrollierende Testprozedur für alle Paarvergleiche bei<br />
wachsen<strong>der</strong> Hypothesenanzahl die ENFR gegen unendlich streben.<br />
Korbinian Strimmer, Bernd Klaus<br />
University of Leipzig<br />
Higher Criticism versus False Discovery Rates<br />
In the last decade, multiple testing based on estimation and control of false discovery rates (FDR) have<br />
become standard in high-dimensional data analysis problems. Recently, Donoho and Jin (2004, 2009)<br />
have (re)-introduced and strongly advocated Tukey’s "higher criticism"(HC) approach to multiple testing. In<br />
our talk we will shed light on the mutual relationship of the FDR and HC method. Furthermore, we assess<br />
claims by Donoho and Jin concerning the superiority of HC over FDR and other competing approaches to<br />
multiple testing by revisiting the so-called "rare-weak"model and the associated optimal phase diagram.<br />
Literatur<br />
Donoho, D., and J. Jin (2004). Higher criticism for detecting sparse heterogeneous mixtures. Ann. Statist.,<br />
32, 962–994.<br />
Donoho, D., and J. Jin (2009). Feature selection by higher criticism thresholding achieves the optimal<br />
phase diagram. Phil. Trans. R. Soc. A, 367, 4449–4470.<br />
130