Conditional power with Fisher's least significant difference procedure
Fisher 最小显著差异程序下的条件功效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：摘要讨论多臂试验的检验功效与错误概率，没有明确研究处理效应识别，故不直接归入因果推断。
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
Fisher 最小显著差异程序下的条件功效
- 研究问题
- 在多臂试验中，如何根据当前数据评估最终获得统计显著结果的可能性，并控制使用 Fisher 最小显著差异程序时的错误概率？
- 方法与思路
- 作者给出多臂试验中 Fisher 最小显著差异程序的条件功效计算，并推导第一类与第二类错误概率的上界，考察连续监测情形。
- 材料陈述的贡献
- 摘要称得到与两臂试验类似的两类错误概率上界，并指出在连续监测下这些上界可取等号，扩展了该程序的条件功效分析。
- 阅读关注点
- 应核对条件功效所依据的未来效应设定、多重比较与监测规则，以及错误概率上界成立和连续监测下取等号的具体条件。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本，且存在文字识别错误；试验分布、监测规则和界的具体形式均需查阅原文。
原文摘要
Conditional power calculations are very useful for assessing the likelihood of an ultimately statistically significant result given the current data We show how to calculate conditional power in a multi-armed trial using the classic Fisher least sigmhnt difference, LSD, procedure. We obtain upper bounds on the probabilities of Type 1 and Type 2 errors analogous to those in two-armed trials, and show that these bounds are equalities under continuous monitoring.