Resumen

El problema de estimar la proporción, , de las verdaderas hipótesis nulas en un problema de pruebas múltiples es importante en casos en los que se realizan pruebas de hipótesis en paralelo a gran escala de forma independiente. Si bien el problema es una cantidad de interés por sí misma en aplicaciones, la estimación de puede usarse para evaluar o controlar una tasa global de descubrimiento falso. En este artículo, desarrollamos un enfoque innovador de máxima verosimilitud no paramétrico para estimar . Se propone que la verosimilitud no paramétrica esté restringida a modelos multinomiales y también se desarrolla un algoritmo EM para aproximar la estimación de . Estudios de simulación muestran que el método propuesto supera a otros métodos existentes. Utilizando conjuntos de datos experimentales de microarrays, demostramos que el nuevo método proporciona una estimación satisfactoria en la práctica.

• Materias:Máxima entropía Funciones hipergeométricas Estimación de parámetros Reversión a la media Máxima verosimilitud
• Subjects:Maximum entropy Hypergeometric functions Parameter estimation Mean reversion Maximum likelihood
• Palabras claves:Proporción; Hipótesis nula; Pruebas múltiples; Tasa de descubrimiento falso; Máxima verosimilitud no paramétrica; Algoritmo EM
• Keywords:Proportion; Null hypotheses; Multiple testing; False discovery rate; Nonparametric maximum likelihood; EM algorithm