A two-sample test for high-dimensional data with applications to gene-set testing
高维数据的两样本检验及其基因集检验应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究高维两样本均值检验与基因数据，未涉及所列经济计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高维数据的两样本检验及其基因集检验应用
- 研究问题
- 当数据维数远大于样本量、经典 Hotelling 检验无法使用时，如何比较两个总体的均值，并用于检验基因集合的显著性？
- 方法与思路
- 作者提出适用于高维小样本数据的两样本均值检验，摘要称不要求维数与样本量之间的显式关系条件，并给出白血病数据应用。
- 材料陈述的贡献
- 摘要称所提检验为高维均值比较提供更灵活的方法，并以白血病数据展示其用于基因集显著性检验的实际应用。
- 阅读关注点
- 阅读全文时应核对检验统计量、协方差与矩条件及零假设校准，尤其查看不限制维数与样本量关系是否仍需其他高维条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未列出统计量、依赖结构及功效结果；没有显式维数关系限制不代表检验无须任何条件。
原文摘要
We propose a two-sample test for the means of high-dimensional data when the data dimension is much larger than the sample size. Hotelling’s classical T2 test does not work for this “large p, small n” situation. The proposed test does not require explicit conditions in the relationship between the data dimension and sample size. This offers much flexibility in analyzing high-dimensional data. An application of the proposed test is in testing significance for sets of genes which we demonstrate in an empirical study on a leukemia data set.