On the false discovery rate and an asymptotically optimal rejection curve
错误发现率与渐近最优拒绝曲线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：摘要属于通用多重检验理论，没有明确的因果、宏观或金融应用依据。
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…
错误发现率与渐近最优拒绝曲线
- 研究问题
- 多重假设检验中，如何设计控制渐近错误发现率的拒绝曲线，并在允许某些依赖关系时刻画其最优性？
- 方法与思路
- 作者提出新拒绝曲线，建立适用于 Simes 临界值的统一控制证明，再推广至其他固定曲线并分析最不利参数配置。
- 材料陈述的贡献
- 摘要称，新曲线相关程序具有渐近错误发现率控制结果，并在固定拒绝曲线类中满足某种渐近最优性；另简述有限情形。
- 阅读关注点
- 应核对允许的依赖类型、最不利配置的定义，以及渐近最优性的评价标准、比较集合与有限假设数量下的控制条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出具体假设和最优性准则，不能将渐近控制等同于有限样本严格控制。
原文摘要
In this paper we introduce and investigate a new rejection curve for asymptotic control of the false discovery rate (FDR) in multiple hypotheses testing problems. We first give a heuristic motivation for this new curve and propose some procedures related to it. Then we introduce a set of possible assumptions and give a unifying short proof of FDR control for procedures based on Simes’ critical values, whereby certain types of dependency are allowed. This methodology of proof is then applied to other fixed rejection curves including the proposed new curve. Among others, we investigate the problem of finding least favorable parameter configurations such that the FDR becomes largest. We then derive a series of results concerning asymptotic FDR control for procedures based on the new curve and discuss several example procedures in more detail. A main result will be an asymptotic optimality statement for various procedures based on the new curve in the class of fixed rejection curves. Finally, we briefly discuss strict FDR control for a finite number of hypotheses.