Some nonasymptotic results on resampling in high dimension, II: Multiple tests
高维重抽样的若干非渐近结果（二）：多重检验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：摘要研究通用高维多重检验与重抽样，没有明确的因果、时间序列或金融问题。
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…
高维重抽样的若干非渐近结果（二）：多重检验
- 研究问题
- 面对协方差未知的高维相关高斯向量重复观测，如何对各坐标均值实施单侧或双侧多重检验，并控制族错误率？
- 方法与思路
- 作者使用配套论文中的重抽样置信区域构造单步检验，再采用逐步下降算法改进程序，并以模拟比较不同方法。
- 材料陈述的贡献
- 摘要提出若干面向相关高维均值检验的程序，以非渐近控制族错误率为目标，并开展模拟性能比较，但未给出具体比较结果。
- 阅读关注点
- 应核对高斯和重复观测条件、重抽样机制、族错误率保证的具体形式，以及单步和逐步下降程序与配套结果的依赖关系。
- 阅读边界
- 摘要未列出有限样本保证的完整条件或模拟结果，不能据此判断程序优劣；所给索引摘要未注明稿件版本。
原文摘要
In the context of correlated multiple tests, we aim to nonasymptotically control the family-wise error rate (FWER) using resampling-type procedures. We observe repeated realizations of a Gaussian random vector in possibly high dimension and with an unknown covariance matrix, and consider the one- and two-sided multiple testing problem for the mean values of its coordinates. We address this problem by using the confidence regions developed in the companion paper [Ann. Statist. (2009), to appear], which lead directly to single-step procedures; these can then be improved using step-down algorithms, following an established general methodology laid down by Romano and Wolf [J. Amer. Statist. Assoc. 100 (2005) 94–108]. This gives rise to several different procedures, whose performances are compared using simulated data.