On spike and slab empirical Bayes multiple testing
尖峰与厚尾经验贝叶斯多重检验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：摘要属于高斯序列模型中的通用多重检验理论，没有所列应用细分方向的明确依据。
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
尖峰与厚尾经验贝叶斯多重检验
- 研究问题
- 经验贝叶斯后验分布能否为多重检验提供频率学意义上的错误发现率控制，尤其是在具有稀疏信号的高斯序列模型中？
- 方法与思路
- 作者在高斯序列模型中研究经经验贝叶斯校准的尖峰与厚尾后验，将后验推断与错误发现率控制联系起来，并进行数值实验。
- 材料陈述的贡献
- 摘要称，在稀疏条件下，该类后验能够实现适当的错误发现率控制，为经验贝叶斯多重检验提供频率学理论支持。
- 阅读关注点
- 应核对后验如何转化为检验决策、经验贝叶斯校准方式、稀疏条件及错误发现率保证的形式，并检查数值实验的设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验细节、控制水平及完整理论条件，不能据此推广到其他模型。
原文摘要
This paper explores a connection between empirical Bayes posterior distributions and false discovery rate (FDR) control. In the Gaussian sequence model this work shows that empirical Bayes-calibrated spike and slab posterior distributions allow a correct FDR control under sparsity. Doing so, it offers a frequentist theoretical validation of empirical Bayes methods in the context of multiple testing. Our theoretical results are illustrated with numerical experiments.