A stochastic process approach to false discovery control
错误发现控制的随机过程方法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：摘要研究通用多重检验与错误发现控制，未提供因果、金融或宏观应用依据，因此不归入所列细分领域。
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
错误发现控制的随机过程方法
- 研究问题
- 如何把错误发现比例作为随机过程研究，从而同时处理平均错误发现率、错误发现比例分位数与错误发现数量的控制？
- 方法与思路
- 作者推导错误发现比例过程的极限分布，构造覆盖整个过程的置信包络，再据此形成控制阈值并研究p值分布估计。
- 材料陈述的贡献
- 摘要称，该框架论证了一类错误发现率控制程序的有效性，并由置信包络导出控制比例分位数及错误发现数量的方法。
- 阅读关注点
- 应核对检验间依赖结构、过程索引及极限近似条件，尤其区分期望控制、分位数控制与全过程置信包络的保证。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；摘要未说明依赖假设及有限样本保证，不能把渐近结论视为无条件控制。
原文摘要
This paper extends the theory of false discovery rates (FDR) pioneered by Benjamini and Hochberg [J. Roy. Statist. Soc. Ser. B 57 (1995) 289–300]. We develop a framework in which the False Discovery Proportion (FDP)—the number of false rejections divided by the number of rejections—is treated as a stochastic process. After obtaining the limiting distribution of the process, we demonstrate the validity of a class of procedures for controlling the False Discovery Rate (the expected FDP). We construct a confidence envelope for the whole FDP process. From these envelopes we derive confidence thresholds, for controlling the quantiles of the distribution of the FDP as well as controlling the number of false discoveries. We also investigate methods for estimating the p-value distribution.