[논문 리뷰] Two-sample testing with Dirichlet mixtures

Eric F. Lock, David B. Dunson|arXiv (Cornell University)|2013. 11. 01.

Bayesian Methods and Mixture Models참고 문헌 18인용 수 1

한 줄 요약

이 논문은 공유된 커널 혼합에 대한 Dirichlet 혼합 사전분포를 사용하여 고차원 분포 비교 성능을 향상시키기 위해 변수 간 강도를 빌려오는 베이지안 이중표본 검정 방법을 제안한다. 모델 잘못지정하더라도 일致적인 검정을 달성하며, 순열을 통한 유의수준 제어와 함께 DNA 메틸화 데이터에서 경쟁 방법보다 뛰어난 성능을 보인다.

ABSTRACT

This article concerns testing for equality of distribution between groups. We focus on screening variables with shared distributional features such as common support, modes and patterns of skewness. We propose a Bayesian testing method using kernel mixtures, which improves performance by borrowing information across the different variables and groups through shared kernels and a common probability of group differences. The inclusion of shared kernels in a finite mixture, with Dirichlet priors on the weights, leads to a simple framework for testing that scales well for high-dimensional data. We provide closed asymptotic forms for the posterior probability of equivalence in two groups and prove consistency under model misspecification. The method is applied to DNA methylation array data from a breast cancer study, and compares favorably to competitors when type I error is estimated via permutation.

연구 동기 및 목표

• 공유된 분포 특성(예: 정의역, 모드, 왜도 등)을 가진 고차원 데이터에 대해 확장 가능한 베이지안 이중표본 검정 프레임워크를 개발하는 것.
• 유한한 혼합모형에서 공유된 커널을 통해 변수 간 정보를 빌려오는 방식으로 검정 성능을 향상시키는 것.
• 모델 잘못지정하더라도 등가성의 사후확률에 대한 일관성을 보장하는 것.
• 차원 증가에 잘 맞고 유의수준 제어가 가능한 계산 효율적인 방법을 제공하는 것.

제안 방법

• 모든 변수 간에 공유된 커널을 사용하는 유한한 혼합 커널 밀도 모형을 사용하여 그룹별 분포를 모델링한다.
• 혼합 성분의 가중치에 Dirichlet 사전분포를 적용하여 변수 간 정보를 빌려오고 수축 효과를 유도한다.
• 모든 변수에 동일한 그룹 간 차이 확률을 도입하여 증거를 공유하고 추정의 안정성을 향상시킨다.
• 두 그룹 간 등가성의 사후확률에 대한 폐쇄형 점근적 근사식을 유도한다.
• 커널 성분은 변수 간 공유되지만, 그룹별 혼합 가중치는 각 변수별로 별도로 추정하는 계층적 베이지안 모형을 구현한다.
• 사후오즈를 사용하여 분포 등가성 검정을 수행하며, 모형이 잘못지정된 경우에도 일관성이 입증된다.

실험 결과

연구 질문

• RQ1 공유된 커널 혼합 모형이 변수 간 강도를 빌려옴으로써 고차원 환경에서 이중표본 검정 성능을 향상시킬 수 있는가?
• RQ2 제안된 방법은 특히 모형 잘못지정 상황에서 고차원 데이터에서 유의수준을 어떻게 제어하는가?
• RQ3 제안된 Dirichlet 혼합 프레임워크 하에서 등가성의 사후확률의 점근적 행동은 어떠한가?
• RQ4 실제 에피제놈믹 데이터에서 기존의 경쟁 방법과 비교해 검정력과 오류 제어 측면에서 방법의 성능은 어떠한가?
• RQ5 공유된 커널과 공통된 그룹 간 차이 확률의 사용이 진정한 분포가 완벽하게 캐릭터라이즈되지 않은 경우에도 일관된 추론을 이끌 수 있는가?

주요 결과

• 모형 잘못지정하더라도 등가성의 사후확률에 대한 일관된 추정이 이루어져 신뢰할 수 있는 추론이 보장된다.
• 등가성의 사후확률에 대한 폐쇄형 점근적 근사식 덕분에 고차원 환경에서도 효율적인 계산이 가능해졌다.
• DNA 메틸화 어레이 데이터에서, 순열을 통한 추정 시, 유의수준을 제어하면서도 경쟁 방법보다 검정력이 뛰어나다.
• 공유된 커널의 사용은 정의역과 왜도와 같은 유사한 분포 특성을 가진 변수 간의 정보를 통합함으로써 성능 향상에 기여한다.
• 모든 변수에 공통된 그룹 간 차이 확률의 포함은 고차원 검정에서 강건성 향상과 과적합 감소에 기여한다.