Continuous testing for Poisson process intensities: a new perspective on scanning statistics
泊松过程强度的连续检验：扫描统计量的新视角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：摘要聚焦泊松点过程的连续多重检验，未直接涉及所列经济或金融领域细分。
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…
泊松过程强度的连续检验：扫描统计量的新视角
- 研究问题
- 扫描窗口涉及连续位置上的无穷多个假设时，如何严格定义泊松过程强度检验的整体决策，并控制联合错误率？
- 方法与思路
- 作者建立连续检验框架，引入作为决策依据的p值过程，将扫描窗口程序扩展为连续且非渐近的多重检验方法。
- 材料陈述的贡献
- 摘要称框架能够控制族错误率与错误发现率，并通过神经科学中的齐性检验和两样本检验说明该方法的应用。
- 阅读关注点
- 应核对连续假设族与错误率的定义、p值过程的构造，以及两种错误率控制所需条件和扫描窗口选择的作用。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；摘要未说明控制保证的具体条件，也未提供检验功效与计算成本的信息。
原文摘要
We propose a continuous testing framework to test the intensities of Poisson processes that allows a rigorous definition of the complete testing procedure, from an infinite number of hypotheses to joint error rates. Our work extends procedures based on scanning windows by controlling the familywise error rate and the false discovery rate in a non-asymptotic manner and in a continuous way. We introduce the p-value process on which the decision rule is based. Our method is applied in neuroscience via the standard homogeneity and two-sample tests.