Higher criticism: $p$-values and criticism
高阶批判检验：p值与方法评析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：摘要研究通用稀疏信号检验及基因应用，没有足够依据归入所列经济计量细分领域。
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
高阶批判检验：p值与方法评析
- 研究问题
- 在稀疏混合信号检测中，高阶批判统计量及其修正版与两种Berk–Jones型统计量的显著性水平和功效如何比较？
- 方法与思路
- 作者推导各统计量显著性水平的新近似，用模拟考察近似精度，并以数值例子比较功效，讨论错误假设数量下界等应用。
- 材料陈述的贡献
- 摘要称，在所考察的较广样本量范围内，Berk–Jones型统计量检测稀疏混合的功效更好，并提供新的显著性水平近似。
- 阅读关注点
- 应核对稀疏混合备择、样本量范围、显著性近似的适用条件，以及错误假设数量置信下界和拷贝数变异检测的构造。
- 阅读边界
- 仅依据OpenAlex索引摘要，稿件版本未注明；摘要未给出近似误差或具体功效数值，不能把数值比较推广到所有稀疏备择。
原文摘要
This paper compares the higher criticism statistic (Donoho and Jin [ Ann. Statist. 32 (2004) 962–994]), a modification of the higher criticism statistic also suggested by Donoho and Jin, and two statistics of the Berk–Jones [ Z. Wahrsch. Verw. Gebiete 47 (1979) 47–59] type. New approximations to the significance levels of the statistics are derived, and their accuracy is studied by simulations. By numerical examples it is shown that over a broad range of sample sizes the Berk–Jones statistics have a better power function than the higher criticism statistics to detect sparse mixtures. The applications suggested by Meinshausen and Rice [ Ann. Statist. 34 (2006) 373–393], to find lower confidence bounds for the number of false hypotheses, and by Jeng, Cai and Li [ Biometrika 100 (2013) 157–172], to detect copy number variants, are also studied.