Comment: FDP vs FDR and the Effect of Conditioning
评论：错误发现比例、错误发现率与条件化的影响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：摘要涉及一般多重检验与条件化，未明确关联所列经济计量细分方向。
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
评论：错误发现比例、错误发现率与条件化的影响
- 研究问题
- 错误发现比例与错误发现率在概念和估计目标上如何区分，条件化又如何影响错误发现比例的估计及不同方法的比较？
- 方法与思路
- 这篇评论讨论错误发现比例及通过条件化进行估计的核心概念，并将被评论作者的方法与摘要列举的其他估计方法对照。
- 材料陈述的贡献
- 摘要将可行算法归于被评论作者；评论自身主要提供概念讨论及条件化视角下的方法比较，未明确声称提出新估计程序。
- 阅读关注点
- 应核对条件化所针对的信息、错误发现比例与错误发现率的目标区别，以及评论的论证如何对应主论文和其他估计方法。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要，对象是评论；未提供比较条件和结果，不能把主论文算法归于评论或推断刊本变化。
原文摘要
Accurate estimation of the false discovery proportion (FDP) and false discovery rate (FDR) is a problem that has been eagerly waiting for a solution. Fan, Han and Gu have found one. They have achieved this by both clarifying the concept of the problem and providing a feasible algorithmic solution. In this comment, I discuss some of the central concepts involving FDP and its estimation via conditioning in contrast with the estimators by Efron (2007) and Friguet et al. (2009).