SUPERCONSISTENCY OF TESTS IN HIGH DIMENSIONS
高维检验的超一致性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：摘要讨论高斯序列模型中一般高维检验的一致性与几何边界，未提供足以归入所列应用领域细分的文本依据。
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…
高维检验的超一致性
- 研究问题
- 在高维高斯序列模型中，检验整体无效应原假设时，能否找到一致性表现显著优于欧氏范数型似然比检验的方法？
- 方法与思路
- 作者在高斯序列框架下比较检验的一致性区域，并用相对体积衡量其他检验能够改善似然比检验表现的备择集合。
- 材料陈述的贡献
- 摘要称，在所考虑的高维框架中，任何检验优于似然比检验的超一致性点集合，在相对体积意义下均渐近可忽略。
- 阅读关注点
- 应核对高维渐近框架、超一致性点和相对体积的定义，以及不可能性结果对检验类别、显著性水平和备择集合的要求。
- 阅读边界
- 仅据所给 Crossref 摘要版本，无法确定维度增长条件及定理适用边界；体积结论也不足以判断特定备择下的检验优劣。
原文摘要
To assess whether there is some signal in a big database, aggregate tests for the global null hypothesis of no effect are routinely applied in practice before more specialized analysis is carried out. Although a plethora of aggregate tests is available, each test has its strengths but also its blind spots. In a Gaussian sequence model, we study whether it is possible to obtain a test with substantially better consistency properties than the likelihood ratio (LR; i.e., Euclidean norm-based) test. We establish an impossibility result, showing that in the high-dimensional framework we consider, the set of alternatives for which a test may improve upon the LR test (i.e., its superconsistency points) is always asymptotically negligible in a relative volume sense.