False Discovery Control for Random Fields
随机场的错误发现控制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：摘要研究随机场多重检验及影像应用，空间依赖和统计尾部控制不足以对应网络干扰或金融风险方向。
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…
随机场的错误发现控制
- 研究问题
- 面对随机场中不可数多个位置的假设检验，如何识别显著信号区域，并控制按面积或簇计算的错误发现比例？
- 方法与思路
- 作者构造随拒绝阈值变化的错误发现比例置信包络，并利用真原假设位置集合的置信超集算法设计阈值程序。
- 材料陈述的贡献
- 摘要称程序可控制错误发现比例的均值或指定尾部概率，并可按面积或簇定义错误发现，应用于扫描统计及神经影像。
- 阅读关注点
- 应核对面积与簇两种错误比例的定义、随机场假设、置信超集的覆盖保证，以及阈值选择如何继承包络的控制性质。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；摘要未说明随机场依赖及计算条件，不能将其控制保证推广到任意场或刊本版本。
原文摘要
This article extends false discovery rates to random fields, for which there are uncountably many hypothesis tests. We develop a method for finding regions in the field's domain where there is a significant signal while controlling either the proportion of area or the proportion of clusters in which false rejections occur. The method produces confidence envelopes for the proportion of false discoveries as a function of the rejection threshold. From the confidence envelopes, we derive threshold procedures to control either the mean or the specified tail probabilities of the false discovery proportion. An essential ingredient of this construnction is a new algorithm to compute a confidence superset for the set of all true-null locations. We demonstrate our method with applications to scan statistics and functional neuroimaging.