高维组学数据分析中的贝叶斯变量选择方法

作者：董晓强; 许树红; 陶然; 王彤^*

来源：中华流行病学杂志, 2017, 38(05): 679-683.

• 高维数据
• 贝叶斯变量选择
• g先验
• Non-local先验

随着基因组测序技术和生物信息学的迅猛发展, 近几年涌现了大量与疾病相关的组学数据即所谓高维数据。对于这类组学数据, 共同特点是自变量个数p通常远大于观察例数n, 且自变量间往往高度相关, 从成千上万个组学数据中识别出真正有意义的自变量带来一些统计学挑战。本文对高维数据中的贝叶斯变量选择方法做论述。

• 单位
  公共卫生学院; 山西医科大学