Normality test of the gene expression data

Abstract

This thesis deals with a test of normality of gene expressions data. Based on characterization theorems of the normal distribution, the test of normality is replaced by a test of spherical uniformity. Due to strong correlations between the gene expression data, the normality test is conducted with $\delta$ sequences. A new characterization theorem of the normal distribution is proven. Based on that, the normality test is conducted using Kolmogorov's test statistic. The obtained characterization results for the normal distribution are extended to the complete type of distributions and based on that, a test is conducted to verify whether the distributions of the two data sets of the gene expressions belong to the same type. Powered by TCPDF (www.tcpdf.org)

Tato práce se zabývá testování normality dat genové exprese. Na základě charakterizacni věty normální rozdělení test normalnosti je nahrazen testem sférické stejnoměrnosti. Vzhledem k silné korelace mezi dat genové exprese, test normalnosty se provádí aplikací $ \delta $ sekvencí. Je dokazano nová charakterizacni věta normálního rozdělení, a na základě toho, test normalnosti se provádí pouzitim Kolmogorovuv test. Získané charakterizacni výsledky pro normální rozdělení jsou rozšířeny do kompletneho typu rozdělení, a na zaklade toho testováno, zda že rozdělení dvou datových souborů genové exprese patří do stejného typu. Powered by TCPDF (www.tcpdf.org)