On false discovery control under dependence
依赖情形下的错误发现控制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：摘要研究一般多重检验依赖；空间结构本身不足以归入网络与干扰或其他所列领域。
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
依赖情形下的错误发现控制
- 研究问题
- 在多重检验中，若各零假设并非独立而具有可描述空间结构的依赖关系，错误发现比例与拒绝数量会呈现怎样的大样本行为？
- 方法与思路
- 作者将假设独立的随机效应框架推广为条件依赖模型，允许零假设之间存在依赖，并研究错误发现比例和拒绝数量的渐近性质。
- 材料陈述的贡献
- 摘要称建立允许零假设依赖的模型及大样本分布理论，使依赖关系能够用于刻画零假设的空间结构，具体控制程序未展开。
- 阅读关注点
- 应核对条件依赖模型的定义、依赖强度与渐近条件，区分错误发现比例的分布结果和错误发现率控制保证是否另需条件。
- 阅读边界
- 依据版本未注明的索引摘要；未说明具体拒绝规则、控制水平或允许的依赖范围，不能将分布理论视为任意依赖下的控制保证。
原文摘要
A popular framework for false discovery control is the random effects model in which the null hypotheses are assumed to be independent. This paper generalizes the random effects model to a conditional dependence model which allows dependence between null hypotheses. The dependence can be useful to characterize the spatial structure of the null hypotheses. Asymptotic properties of false discovery proportions and numbers of rejected hypotheses are explored and a large-sample distributional theory is obtained.