New procedures controlling the false discovery proportion via Romano–Wolf’s heuristic
基于 Romano–Wolf 启发式控制错误发现比例的新程序AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于一般多重检验理论，未提供处理效应、宏观或金融应用的文本依据，不能仅凭推断内容归入细分领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于 Romano–Wolf 启发式控制错误发现比例的新程序
- 研究问题
- 如何严格评估从广义族错误率程序构造错误发现比例控制程序的启发式，并在依赖检验下建立有效保证？
- 方法与思路
- 作者引入界定装置以涵盖多种临界值及真零数量自适应形式，研究非渐近与渐近有效性，并修改原有启发式。
- 材料陈述的贡献
- 摘要称，论文拓展了该构造原则并提出具有已证明错误发现比例控制的新方法，同时声称相较已有程序有所改善。
- 阅读关注点
- 应核对错误发现比例的控制事件与概率水平、依赖结构条件、界定装置的要求，以及改善所针对的比较标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列具体依赖条件或改善幅度，也不能混同错误发现比例与错误发现率。
原文摘要
The false discovery proportion (FDP) is a convenient way to account for false positives when a large number $m$ of tests are performed simultaneously. Romano and Wolf [ Ann. Statist. 35 (2007) 1378–1408] have proposed a general principle that builds FDP controlling procedures from $k$-family-wise error rate controlling procedures while incorporating dependencies in an appropriate manner; see Korn et al. [ J. Statist. Plann. Inference 124 (2004) 379–398]; Romano and Wolf (2007). However, the theoretical validity of the latter is still largely unknown. This paper provides a careful study of this heuristic: first, we extend this approach by using a notion of “bounding device” that allows us to cover a wide range of critical values, including those that adapt to $m_{0}$, the number of true null hypotheses. Second, the theoretical validity of the latter is investigated both nonasymptotically and asymptotically. Third, we introduce suitable modifications of this heuristic that provide new methods, overcoming the existing procedures with a proven FDP control.