Admissible ways of merging p-values under arbitrary dependence
任意依赖下合并p值的可容许方法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：摘要研究通用多重检验及p值合并，任意依赖并不直接构成经济网络或金融风险研究。
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
任意依赖下合并p值的可容许方法
- 研究问题
- 在完全不知道输入p值依赖结构时，哪些合并函数在Wald意义下可容许，现有方法之间具有怎样的支配关系？
- 方法与思路
- 作者以e值为技术工具，研究可容许p值合并函数的表示及支配结构，并构造新的合并函数改进已有方法。
- 材料陈述的贡献
- 摘要称系统研究任意依赖下的可容许性，并表明部分经典合并方法可被严格改进，同时保持有效性并增强功效。
- 阅读关注点
- 应核对有效性、可容许性和支配的精确定义，e值表示的条件，以及严格改进涉及哪些经典方法与比较标准。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；具体函数与证明未提供，不能解释为所有经典方法都能改进或在每种备择下均提高功效。
原文摘要
Methods of merging several p-values into a single p-value are important in their own right and widely used in multiple hypothesis testing. This paper is the first to systematically study the admissibility (in Wald’s sense) of p-merging functions and their domination structure, without any information on the dependence structure of the input p-values. As a technical tool, we use the notion of e-values, which are alternatives to p-values recently promoted by several authors. We obtain several results on the representation of admissible p-merging functions via e-values and on (in)admissibility of existing p-merging functions. By introducing new admissible p-merging functions, we show that some classic merging methods can be strictly improved to enhance power without compromising validity under arbitrary dependence.