The effect of correlation in false discovery rate estimation
相关性对错误发现率估计的影响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：摘要研究相关数据下的通用多重检验问题，相关性本身不足以归入网络或金融风险等方向。
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
相关性对错误发现率估计的影响
- 研究问题
- 在多重检验数据相关时，标准错误发现率估计量的均值、方差、分布和分位数如何变化，相关性何时影响一致性？
- 方法与思路
- 作者对错误发现数量使用负二项模型，从数据经验估计其参数，并据此推导任意相关数据下估计量分布特征的近似。
- 材料陈述的贡献
- 摘要称相关性可能显著增加估计偏差与方差；在包括可交换相关结构的某些情形下，检验数量增大也不能保证一致性。
- 阅读关注点
- 应核对负二项近似的依据、参数经验估计方式及近似误差，并查看可交换相关结构下不一致结论的具体适用条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出相关结构条件或近似精度，不能推断所有相关数据均导致不一致。
原文摘要
The objective of this paper is to quantify the effect of correlation in false discovery rate analysis. Specifically, we derive approximations for the mean, variance, distribution and quantiles of the standard false discovery rate estimator for arbitrarily correlated data. This is achieved using a negative binomial model for the number of false discoveries, where the parameters are found empirically from the data. We show that correlation may increase the bias and variance of the estimator substantially with respect to the independent case, and that in some cases, such as an exchangeable correlation structure, the estimator fails to be consistent as the number of tests becomes large.