Key points are not available for this paper at this time.
Les techniques scientifiques actuelles en génomique et en traitement d'images produisent régulièrement des problèmes de test d'hypothèses avec des centaines ou des milliers de cas à considérer simultanément. Cela pose de nouvelles difficultés pour le statisticien, mais ouvre également de nouvelles opportunités. En particulier, cela permet une estimation empirique d'une hypothèse nulle appropriée. L'hypothèse nulle empirique peut être considérablement plus dispersée que la distribution nulle théorique habituelle qui serait utilisée pour tout cas considéré séparément. Un plan d'analyse empirique de Bayes pour cette situation est développé, en utilisant une version locale du taux de fausses découvertes pour examiner les problèmes d'inférence. Deux problèmes de génomique sont utilisés comme exemples pour montrer l'importance de bien choisir l'hypothèse nulle.
Bradley Efron (Mon,) a étudié cette question.