[논문 리뷰] On the false discovery proportion convergence under Gaussian equi-correlation

Sylvain Delattre, Étienne Roquain|arXiv (Cornell University)|2010. 07. 08.

Random Matrices and Applications참고 문헌 9인용 수 10

한 줄 요약

이 논문은 히스토그램의 등각 상관관계 모델에서 상관관계 ρₘ가 m → ∞ 일 때 0으로 수렴하는 가우시안 등각 상관관계 모델에서 벤자민-호크베르그 절차(Benjamini-Hochberg procedure)의 가짜 발제 비율(FDP) 수렴 속도를 연구한다. FDP가 FDR(False Discovery Rate)로 수렴하는 속도가 {min(m, 1/ρₘ)}^{1/2}임을 보이며, mρₘ → ∞일 경우 수렴 속도가 둔해지므로 약한 의존성이 FDP가 FDR 주변에 집중되는 데 크게 영향을 줄 수 있음을 시사한다.

ABSTRACT

We study the convergence of the false discovery proportion (FDP) of the Benjamini-Hochberg procedure in the Gaussian equi-correlated model, when the correlation $\ ho_m$ converges to zero as the hypothesis number $m$ grows to infinity. By contrast with the standard convergence rate $m^{1/2}$ holding under independence, this study shows that the FDP converges to the false discovery rate (FDR) at rate $\\{\\min(m,1/\ ho_m)\\}^{1/2}$ in this equi-correlated model.

연구 동기 및 목표

• 가우시안 등각 상관관계 하에서 히스토그램의 가짜 발제 비율(FDP)이 벤자민-호크베르그(BH) 절차로 FDR(False Discovery Rate)로 수렴하는 방식을 이해하는 것.
• 시험 통계량 간 상관계수 ρₘ가 가설 수 m이 증가함에 따라 0으로 수렴할 때 FDP의 渐近 수렴 속도를 규명하는 것.
• 특히 ρₘ = O(1/m) 또는 mρₘ → ∞일 경우, 약한 의존성 하에서 FDP가 FDR 주변에 잘 집중되는지 조사하는 것.
• 등각 상관관계 하에서의 수렴 행동을 표준 i.i.d. 경우와 비교하여, 이 경우 수렴 속도는 √m임을 확인하는 것.
• 상관계수가 약하지만 0이 아닌 상황에서 다중 검정 절차에 실질적 영향을 미치는지 평가하는 것.

제안 방법

• 시험 통계량을 Xᵢ = τᵢ + Yᵢ로 모델링하며, (Y₁,…,Yₘ)은 평균 0, 분산 1, 등각 상관계수 ρₘ를 가지는 교환 가능 가우시안 벡터이다.
• p-값을 pᵢ = Φ(Xᵢ)로 정의하며, Φ는 표준 정규 분포의 상측 꼬리 함수이며, 진정한 귀무가설의 비율 π₀가 고정되어 있다고 가정한다.
• 기능적 델타 방법(Functional Delta method)과 도네스커의 정리(Donsker’s theorem)를 사용하여 귀무 및 대립 가설 하에서 p-값의 경험적 과정의 약한 수렴을 연구한다.
• 스코로호드의 표현 정리(Skorokhod’s representation theorem)를 활용하여 중심화 및 스케일링 후 FDP가 정규 분포로 약한 수렴함을 입증한다.
• mρₘ → θ ∈ [−1, ∞)일 때 √m(FDPₘ − π₀α)의 극한 분포를 유도하며, mρₘ → ∞일 때는 ρₘ^{−1/2}(FDPₘ − π₀α)의 극한 분포를 도출한다.
• p-값을 비틀어 점점 더 독립적인 분포로 만들기 위한 데이터 변환을 고려하며, 모수 π₀, μ, ρ가 알려진 경우 FDP가 다시 √m 수렴 속도를 회복할 수 있음을 보여준다.

실험 결과

연구 질문

• RQ1 시험 통계량 간 상관계수 ρₘ가 m이 증가함에 따라 0으로 수렴할 때, FDP가 FDR로 수렴하는 속도는 어떻게 변화하는가?
• RQ2 ρₘ → 0일 때 등각 상관관계 가우시안 모델 하에서 BH 절차의 FDP 극한 분포는 무엇인가?
• RQ3 mρₘ → ∞이지만 ρₘ → 0일 경우, FDP는 여전히 FDR 주변에 잘 집중되는가?
• RQ4 모델 매개수 π₀, μ, ρ가 알려진 상태에서 p-값을 수정함으로써 등각 상관관계 하에서 FDP 수렴 속도를 √m로 복원할 수 있는가?
• RQ5 등각 상관관계 모델에서 FDP의 점근 분산은 mρₘ의 극한 값에 따라 어떻게 달라지는가?

주요 결과

• ρₘ → 0 이면서 m → ∞ 일 때, BH 절차의 FDP는 {min(m, 1/ρₘ)}^{1/2} 속도로 FDR로 수렴한다.
• mρₘ → θ ∈ [−1, ∞)일 경우 수렴 속도는 √m이며, 이는 독립 사례와 동일하며 점근 분산은 θ에 따라 달라진다.
• mρₘ → ∞ 이면서 ρₘ → 0 일 경우, 수렴 속도는 √m보다 훨씬 느린 ρₘ^{−1/2}로 둔해진다.
• θ > 0일 경우 FDP의 점근 분산은 더 크며, θ < 0일 경우 더 작고, θ = 0일 경우 독립 사례와 동일하다.
• mρₘ → ∞ 일 경우, FDP는 FDR로 수렴하는 데 매우 느리게 수렴할 수 있어 실무에서의 불안정성을 시사한다.
• 모델 매개수가 알려진 경우, 통계량을 음의 등각 상관관계를 유도하도록 변환함으로써 FDP의 √m 수렴 속도를 복원할 수 있다.