Folien

Die False Discovery Rate (FDR) ist ein junges Fehlerkontrollkriterium in multiplen Testsituationen. Sie wird insbesondere in Anwendungsgebieten der explorativen Datenanalyse und bei Vorliegen von sehr großen Hypothesensystemen wie z.B. in der Genetik oder der Kosmologie immer populärer. Theorie und Anwendung der FDR hat sich in kurzer Zeit zu einem bedeutsamen Forschungsgebiet entwickelt.

Im ersten Teil des Vortrags werden die FDR-kontrollierende lineare step-up-Prozedur von Benjamini und Hochberg (LSU-Test) eingeführt und FDR-Ergebnisse für den Fall unabhängiger Teststatistiken vorgestellt. Unter Unabhängigkeit ist die FDR häufig exakt berechenbar. Es werden ein generelles Abhängigkeitsmodell präsentiert und Berechnungsformeln für die asymptotische FDR des LSU-Tests (Anzahl der zu testenden Hypothesen gegen unendlich) in diesem Modell entwickelt.

Der zweite Teil beschäftigt sich mit der Anwendung dieser allgemeinen Theorie auf konkrete Verteilungsbeispiele. Zwei in der Praxis auftretende Szenarios werden behandelt und die FDR-Ergebnisse grafisch dargestellt und diskutiert. Ein überraschendes Grenzwertverhalten zeigt sich, wenn die Modelle gegen Unabhängigkeit streben.