High-dimensional variable selection for GLMs and survival models

De focus van het proefschrift is op de statistische numerieke benaderingen om geringe genoomgegevens te passen met GLM- en overlevingsgegevens. Het proefschrift beschrijft de selectie van verklarende variabelen die een univariate uitkomst kunnen beinvloeden. Het resultaat heeft een kansverdeling die valt in de klasse van de exponentiele dispersie familie. De aanpak die wordt onderzocht is de regressie van de differentiaalgeometrie van de minimale hoek (dgLARS) die is ontwikkeld voor genormaliseerde lineaire modellen. De dgLARS-aanpak wordt vergeleken met alternatieve methoden voor variabele selectie in algemene lineaire modellen. De numerieke procedures van dgLARS zijn verbeterd voor de algemene instelling, en wordt aangeduid als de uitgebreide dgLARS. Bovendien onderzoeken we hoe goed de dispersieparameter van de familie van exponentiele verdelingen kan worden geschat. In de tussentijd richten we ons op overlevingsgegevens en de genomische invloed, met behulp van de relatieve risicofunctie. In alle hoofdstukken blijkt dat de verbeterde en ontwikkelde numerieke procedures snel en accuraat zijn bij het schatten van parameters. Uiteindelijk wordt een volledige beschrijving van het pakket code{R} dat is ontwikkeld om alle analyses te doen, gepresenteerd.