Estimating the proportion of false null hypotheses among a large number of independently tested hypotheses
大量独立检验中错误原假设比例的估计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并以天文信号检测为动机，未提供所列经济领域细分的依据。
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
大量独立检验中错误原假设比例的估计
- 研究问题
- 当大量相互独立的假设检验中，错误原假设所占比例很小时，如何为该比例构造下置信界并实现一致估计？
- 方法与思路
- 作者基于检验 p 值的经验分布构造一族比例下置信界，并在检验数增加、比例及显著性水平下降时比较一致估计能力。
- 材料陈述的贡献
- 摘要称提出一族错误原假设比例的下置信界方法，并从稀疏情形下能否一致估计该比例的角度比较这些方法。
- 阅读关注点
- 核对独立性要求、下置信界的构造、显著性水平与稀疏比例的变化条件，以及各方法可一致估计的范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体稀疏率或适用条件，不能据此扩展到相关检验。
原文摘要
We consider the problem of estimating the number of false null hypotheses among a very large number of independently tested hypotheses, focusing on the situation in which the proportion of false null hypotheses is very small. We propose a family of methods for establishing lower 100(1−α)% confidence bounds for this proportion, based on the empirical distribution of the p-values of the tests. Methods in this family are then compared in terms of ability to consistently estimate the proportion by letting α→0 as the number of hypothesis tests increases and the proportion decreases. This work is motivated by a signal detection problem that occurs in astronomy.