Analytical p-value calculation for the higher criticism test in finite-d problems
有限维 higher criticism 检验的解析 p 值计算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：摘要研究一般稀疏联合假设检验，所给应用为遗传关联分析，未对应所列经济计量细分。
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
有限维 higher criticism 检验的解析 p 值计算
- 研究问题
- 当联合检验的统计量个数 d 不足以支持大维度渐近近似时，如何准确计算针对稀疏备择的 higher criticism 检验 p 值？
- 方法与思路
- 作者提出有限 d 的解析计算方法，不依赖维度渐近或模拟；摘要称在检验统计量正态分布时，可对任意 d 精确计算。
- 材料陈述的贡献
- 摘要称方法在维度不大时具有计算优势，并以肺癌全基因组关联研究展示应用，通过模拟与其他方法比较检验功效。
- 阅读关注点
- 应核对正态统计量及其依赖结构的要求、解析算法的复杂度与数值稳定性，以及有限维精确性和功效比较的适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明相关性条件或功效比较结果，不能将精确性扩展到任意非正态统计量。
原文摘要
The higher criticism test is effective for testing a joint null hypothesis against a sparse alternative, e.g., for testing the effect of a gene or genetic pathway that consists of d genetic markers. Accurate p-value calculations for the higher criticism test based on the asymptotic distribution require a very large d, which is not the case for the number of genetic variants in a gene or a pathway. In this paper we propose an analytical method for accurately computing the p-value of the higher criticism test for finite-d problems. Unlike previous treatments, this method does not rely on asymptotics in d or on simulation, and is exact for arbitrary d when the test statistics are normally distributed. The method is particularly computationally advantageous when d is not large. We illustrate the proposed method with a case-control genome-wide association study of lung cancer and compare its power with competing methods through simulations.