期刊简介

《中华流行病学杂志》前身为1956年创刊的《流行病学杂志》,为流行病学及其相关学科的高级专业学术期刊。以从事预防医学、基础医学、临床医学及流行病 学科研与教学的工作者为读者对象。《中华流行病学杂志》按照理论与实际应用相结合的原则,集中报道国内流行病学领域内重要的科研成果,重视现场流行病学调 查和监测,展现与流行病学相关的实验室科研报告,报道临床流行病学研究,综合反映疾病预防控制工作中的热点和重点问题。

首页>中华流行病学杂志
  • 杂志名称:中华流行病学杂志
  • 主管单位:中国科学技术协会
  • 主办单位:中华医学会
  • 国际刊号:0254-6450
  • 国内刊号:11-2338/R
  • 出版周期:月刊
期刊荣誉:连续多年被评为百种中国杰出学术期刊、中国精品科技期刊、中国最具国际影响力学术期刊等。期刊收录:万方收录(中), 知网收录(中), 上海图书馆馆藏, JST 日本科学技术振兴机构数据库(日), 国家图书馆馆藏, 北大核心期刊(中国人文社会科学核心期刊), CA 化学文摘(美), CSCD 中国科学引文数据库来源期刊(含扩展版), 统计源核心期刊(中国科技论文核心期刊), 维普收录(中)
中华流行病学杂志2017年第05期

高维组学数据分析中的贝叶斯变量选择方法

董晓强;许树红;陶然;王彤

关键词:高维数据, 贝叶斯变量选择, g先验, Non-local先验
摘要: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.