An adaptive two-sample test for high-dimensional means
高维均值的自适应双样本检验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：摘要研究通用高维均值检验并应用于遗传关联，未明确经济因果效应或其他所列细分领域，故保持空分类。
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
高维均值的自适应双样本检验
- 研究问题
- 当高维双样本均值比较的真实备择未知、现有检验仅对部分备择有较强功效时，如何构造适应多类差异模式的检验？
- 方法与思路
- 作者提出自适应双样本检验，研究其渐近性质并比较有限样本表现，应用于双相障碍与各染色体大量单核苷酸多态性的关联检测。
- 材料陈述的贡献
- 摘要称新检验在广泛情形下保持较高功效，数值研究显示相较已有检验的优势；具体适应机制和比较范围未说明。
- 阅读关注点
- 应核对检验如何自适应、均值差异的稀疏与稠密场景、协方差和维度条件，以及显著性水平控制和遗传关联应用的设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；渐近条件、误差控制和数值优势的范围未说明，不能认定普遍最优。
原文摘要
Several two-sample tests for high-dimensional data have been proposed recently, but they are powerful only against certain limited alternative hypotheses. In practice, since the true alternative hypothesis is unknown, it is unclear how to choose a powerful test. We propose an adaptive test that maintains high power across a wide range of situations, and study its asymptotic properties. Its finite sample performance is compared with existing tests. We apply it and other tests to detect possible associations between bipolar disease and a large number of single nucleotide polymorphisms on each chromosome based on a genome-wide association study dataset. Numerical studies demonstrate the superior performance and high power of the proposed test across a wide spectrum of applications.