Zobrazeno 1 - 10
of 596
pro vyhledávání: '"Shiroishi Toshihiko"'
Publikováno v:
BMC Genetics, Vol 13, Iss 1, p 38 (2012)
Abstract Background The genetic architecture of complex traits strongly influences the consequences of inherited mutations, genetic engineering, environmental and genetic perturbations, and natural and artificial selection. But because most studies a
Externí odkaz:
https://doaj.org/article/4fa528bdaf104b9b81e4651b7ed85b1c
Autor:
Takada Toyoyuki, Harushima Yoshiaki, Horiuchi Youko, Fujisawa Hironori, Eguchi Shinto, Mochizuki Takako, Sakaguchi Takayuki, Shiroishi Toshihiko, Kurata Nori
Publikováno v:
BMC Bioinformatics, Vol 10, Iss 1, p 131 (2009)
Abstract Background High-density short oligonucleotide microarrays are useful tools for studying biodiversity, because they can be used to investigate both nucleotide and expression polymorphisms. However, when different strains (or species) produce
Externí odkaz:
https://doaj.org/article/fb726101abc148d2ad507f79cb24bc7f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
We consider one of the most basic multiple testing problems that compares expectations of multivariate data among several groups. As a test statistic, a conventional (approximate) $t$-statistic is considered, and we determine its rejection region usi
Externí odkaz:
http://arxiv.org/abs/1612.06029
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Journal of Statistical Planning and Inference September 2021 214:128-138
Publikováno v:
Computational Statistics & Data Analysis 124 (2018) 180-196
Principal component regression (PCR) is a widely used two-stage procedure: principal component analysis (PCA), followed by regression in which the selected principal components are regarded as new explanatory variables in the model. Note that PCA is
Externí odkaz:
http://arxiv.org/abs/1609.08886
Autor:
Zhang, Yan, Cui, Jian, Zhang, Guoying, Wu, Congqing, Abdel-Latif, Ahmed, Smyth, Susan S., Shiroishi, Toshihiko, Mackman, Nigel, Wei, Yinan, Tao, Min, Li, Zhenyu *
Publikováno v:
In Blood Advances 22 June 2021 5(12):2619-2623