Sequential Selection Procedures and False Discovery Rate Control
序贯选择程序与错误发现率控制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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦通用有序多重检验与模型选择，未指向具体经济或金融参数，现有文本不足以归入所列细分领域。
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…
序贯选择程序与错误发现率控制
- 研究问题
- 当假设已有顺序且只能拒绝从首项开始的一段连续假设时，如何选择停止位置，并在这种有序检验约束下控制错误发现率？
- 方法与思路
- 作者提出两种有序多重检验程序，将拒绝规则转化为停止点选择，并利用序贯模型选择中的 p 值结果讨论模型选择应用。
- 材料陈述的贡献
- 摘要称两种新程序在有序检验设定下具有错误发现率控制保证，并说明如何用于模型选择；未给出具体规则或比较数值。
- 阅读关注点
- 应核对 p 值有效性、假设间依赖及排序要求，明确错误发现率的定义，并检查序贯选择产生的 p 值是否满足程序条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审未核实。摘要未说明控制所需假设，不能据此认为任意排序或任意依赖下均有错误率保证。
原文摘要
We consider a multiple hypothesis testing setting where the hypotheses are ordered and one is only permitted to reject an initial contiguous block, H_1,\dots,H_k, of hypotheses. A rejection rule in this setting amounts to a procedure for choosing the stopping point k. This setting is inspired by the sequential nature of many model selection problems, where choosing a stopping point or a model is equivalent to rejecting all hypotheses up to that point and none thereafter. We propose two new testing procedures, and prove that they control the false discovery rate in the ordered testing setting. We also show how the methods can be applied to model selection using recent results on p-values in sequential model selection settings.