Simultaneous false discovery rate control in location families

Resumo Técnico: Controle Simultâneo da Taxa de Descoberta Falsa em Famílias de Localização

Enunciado do Problema
No teste de múltiplas hipóteses, a Taxa de Descoberta Falsa (FDR) é tradicionalmente definida e controlada apenas no valor nulo (por exemplo, $\theta = 0$). No entanto, em aplicações práticas envolvendo famílias de localização, os pesquisadores frequentemente exigem uma FDR baixa não apenas para o nulo, mas também para valores de parâmetro considerados "praticamente insignificantes" (por exemplo, tamanhos de efeito pequenos). O procedimento padrão de Benjamini-Hochberg (BH) controla a FDR no nulo, mas não garante explicitamente o controle sobre toda a "curva de FDR"—a FDR como função do parâmetro de localização $\theta$. Este artigo aborda a necessidade de controle simultâneo da FDR em um contínuo de valores de parâmetro dentro de famílias de localização.

Metodologia
Os autores propõem uma generalização do procedimento BH padrão para controlar a curva de FDR abaixo de um nível especificado pelo usuário. A configuração envolve dados independentes $X_i \sim P_{\theta_i}$ de uma família de localização onde $P_\theta(X \le x) = F(x - \theta)$. O objetivo é testar hipóteses unilaterais $H_{i,\theta}: \theta_i \ge \theta$.

1. Definição da Curva de FDR: A curva de FDR é definida como a esperança da curva da Proporção de Descobertas Falsas (FDP), $FDP_S(\theta)$, que mede a proporção de descobertas falsas entre as hipóteses rejeitadas para um determinado limiar $\theta$.
2. Procedimento BH Generalizado: Em vez de usar um nível nominal escalar $q$, o método utiliza uma curva de FDR não crescente especificada pelo usuário, $q(\theta)$.
   • Valores-p Normalizados: Para cada hipótese $i$, um valor-p normalizado é calculado como:
     $$\bar{P}_i = \sup_{\theta \in \mathbb{R}} \frac{P_{i,\theta}}{q(\theta)}$$
     onde $P_{i,\theta} = F(X_i - \theta)$ é o valor-p para testar $H_{i,\theta}$.
   • Regra de Rejeição: O procedimento aplica o algoritmo BH padrão ao conjunto de valores-p normalizados $\{\bar{P}_1, \dots, \bar{P}_m\}$ com um nível-alvo de 1. O conjunto de rejeição $S$ é o maior subconjunto tal que $i \in S$ se e somente se $\bar{P}_i \le |S|/m$.

Resultados Teóricos Principais
O artigo estabelece que o procedimento BH generalizado controla simultaneamente a curva de FDR. Especificamente, seja $q^*(\theta)$ uma versão transformada da curva especificada pelo usuário $q(\theta)$, definida como:
$$q^*(\theta) = \inf_{\theta' \in \mathbb{R}} \sup_{a \le x - \theta' \le b} q(\theta') \cdot \frac{F(x - \theta)}{F(x - \theta')}$$
onde $a = F^{-1}(q(\theta')/m)$ e $b = F^{-1}(q(\theta'))$.

• Teorema 3.1: O procedimento garante que $\sup_{\theta \in \mathbb{R}} \frac{FDR(\theta)}{q^*(\theta)} \le 1$. Consequentemente, $FDR(\theta) \le q^*(\theta)$ vale quase certamente para qualquer $\theta$.
• O Fenômeno do "Almoço Grátis": Uma consequência significativa é que o procedimento BH padrão (que corresponde ao uso de uma função degrau $q_{BH}(\theta) = q \cdot \mathbb{1}_{\theta \ge 0} + \mathbb{1}_{\theta < 0}$) fornece inerentemente controle simultâneo sobre toda a curva de FDR. O nível de controle real $q^*_{BH}(\theta)$ está estritamente abaixo da função degrau nominal para $\theta \neq 0$, enquanto a toca em $\theta = 0$.
• Propriedade de Toque: Sob a "propriedade de razão monótona" (satisfeita por famílias comuns como a Gaussiana), a Proposição 3.1 prova que, para qualquer $q$ decrescente e contínua à direita, existe pelo menos um ponto $\theta^*$ onde a curva de controle real $q^*(\theta^*)$ toca a curva-alvo $q(\theta^*)$. Isso implica que o controle não pode ser uniformemente melhor que a especificação nominal em todos os lugares.
• Limites Inferiores: A Proposição 3.2 fornece um limite inferior para a curva de FDR no pior caso, mostrando que a análise é apertada, particularmente quando $q^*(\theta)$ é pequeno.

Extensões e Exemplos Numéricos
O framework é estendido para configurações onde as hipóteses provêm de diferentes famílias de localização (diferentes $F_i$). Neste caso geral, a definição de $q^*$ é modificada para tomar um supremo sobre as distribuições específicas.

• Proposição 4.1: Para curvas-alvo constantes por partes, existe um subconjunto de restrições tal que a curva $q^*$ induzida controla todas as restrições prescritas e toca o alvo pelo menos uma vez.
• Conjunto de Dados de Câncer de Mama: Os autores aplicam o método ao conjunto de dados de câncer de mama de Storey e Tibshirani (2003). Eles comparam o teste baseado em tamanhos de efeito (onde as distribuições variam por gene) versus razões sinal-ruído (onde uma distribuição comum se aplica).
  • No cenário de tamanho de efeito, o uso de todas as restrições simultaneamente resultou em menos rejeições do que o uso de uma única restrição, sugerindo que selecionar um conjunto mínimo de restrições que satisfaça a condição $q^* \le q$ é ótimo.
  • No cenário de razão sinal-ruído (F comum), a curva $q^*$ tocou o alvo em todas as localizações especificadas, e os conjuntos de rejeição foram estáveis entre diferentes escolhas de restrições.

Significado e Alegações
O artigo alega um teorema de "almoço grátis": o procedimento BH padrão, projetado apenas para controle no nulo, oferece implicitamente controle simultâneo mais forte sobre a curva de FDR para valores não nulos sem exigir complexidade computacional adicional ou dados. O procedimento generalizado permite que os pesquisadores visem explicitamente o controle da FDR em valores de parâmetro praticamente insignificantes, oferecendo uma ferramenta flexível para descoberta em testes múltiplos. Os autores observam que esta abordagem é uma instância específica de um framework mais amplo para problemas de decisão composta seletiva (citando Gao, Hu e Zhao 2024) e sugerem direções futuras potenciais envolvendo abordagens Bayesiana empírica para selecionar a curva-alvo $q$ com base em priors estimados, embora alertem sobre o problema de "dupla utilização" em tais implementações.