Selective Inference on Multiple Families of Hypotheses
多个假设族的选择性推断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：摘要讨论通用多重检验与选择性推断，未提供所列领域细分的直接应用依据。
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
多个假设族的选择性推断
- 研究问题
- 先依据数据选择假设族、再检验族内假设时，如何控制入选假设族的平均错误，而非仅控制逐族或总体错误？
- 方法与思路
- 作者将选择性推断表述为涵盖多类错误率与选择准则的问题，并提出调整入选假设族内部检验水平的方法。
- 材料陈述的贡献
- 摘要称，该调整能够控制入选假设族上的期望平均错误率，回应单独逐族控制或整体控制不足以解决的问题。
- 阅读关注点
- 应核对错误率的定义、选择规则与族间依赖所需条件，以及检验水平调整公式和错误控制结论的量词范围。
- 阅读边界
- 仅据所给Crossref摘要，无法判断调整的具体条件、功效表现或有限样本边界；摘要中的广泛适用表述仍需全文核对。
原文摘要
Summary In many complex multiple-testing problems the hypotheses are divided into families. Given the data, families with evidence for true discoveries are selected, and hypotheses within them are tested. Neither controlling the error rate in each family separately nor controlling the error rate over all hypotheses together can assure some level of confidence about the filtration of errors within the selected families. We formulate this concern about selective inference in its generality, for a very wide class of error rates and for any selection criterion, and present an adjustment of the testing level inside the selected families that retains control of the expected average error over the selected families.