Oracle and Adaptive Compound Decision Rules for False Discovery Rate Control
控制错误发现率的理想与自适应复合决策规则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：摘要核心是一般多重检验的决策理论，应用为微阵列数据，未明确关联所列经济计量方向，因此不按通用检验术语分类。
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
控制错误发现率的理想与自适应复合决策规则
- 研究问题
- 多重检验中，如何在约束错误发现率的同时降低错误未发现率，并比较基于 z 值和基于 p 值的决策规则？
- 方法与思路
- 作者建立复合决策理论框架，推导满足 FDR 约束并最小化 FNR 的 z 值理想规则，再提出相应的自适应程序。
- 材料陈述的贡献
- 摘要称自适应程序渐近达到理想规则的表现，效率高于常规 p 值方法，并通过模拟与 HIV 微阵列数据展示数值表现。
- 阅读关注点
- 阅读全文时应核对 FDR 与 FNR 的具体定义、理想规则依赖的未知量，以及自适应程序达到理想表现所需的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明检验间依赖和其他模型条件，效率比较不能直接推广至任意多重检验问题。
原文摘要
We develop a compound decision theory framework for multiple-testing problems and derive an oracle rule based on the z values that minimizes the false nondiscovery rate (FNR) subject to a constraint on the false discovery rate (FDR). We show that many commonly used multiple-testing procedures, which are p value–based, are inefficient, and propose an adaptive procedure based on the z values. The z value–based adaptive procedure asymptotically attains the performance of the z value oracle procedure and is more efficient than the conventional p value–based methods. We investigate the numerical performance of the adaptive procedure using both simulated and real data. In particular, we demonstrate our method in an analysis of the microarray data from a human immunodeficiency virus study that involves testing a large number of hypotheses simultaneously.