克里斯托弗·基诺维塞;拉里·瓦瑟曼 错误发现率过程的操作特征和扩展。 (英语) 兹比尔1090.62072 J.R.Stat.Soc.,塞尔维亚。B、 统计方法。 64,第3期,499-517(2002)。 总结:我们调查了Y.本杰米尼和Y.霍克伯格的多重测试错误发现率程序[同上57,No.1,289-300(1995;兹比尔0809.62014)]. 这是一种无分布的方法,它控制被拒绝的零假设中被错误拒绝的预期部分。本文提供了一个框架,以进一步了解此过程。我们首先研究决定临界p值的“决定点”D的渐近性质。由此,我们得到了特定风险函数的显式渐近表达式。我们引入了虚假不拒绝的双重概念,并考虑了一个结合了虚假发现率和虚假不拒绝率的风险函数。我们还考虑了关于条件风险度量的最佳程序。 引用于143文件 MSC公司: 62J15型 配对和多重比较;多次测试 6220国集团 非参数推理的渐近性质 关键词:\(p\)-值 引文:Zbl 0809.62014号 PDF格式BibTeX公司 XML格式引用 \textit{C.Genovese}和\textit{L.Wasserman},J.R.Stat.Soc.,Ser。B、 统计方法。64,第3号,499--517(2002;Zbl 1090.62072) 全文: 内政部 参考文献: [1] 阿布拉莫维奇,通过控制错误发现率来适应未知稀疏性,《技术报告2000-19》(2000)·Zbl 1092.62005年 [2] 本杰米尼,《控制错误发现率:一种实用而强大的多重测试方法》,J.R.Statist。Soc.57第289页–(1995年)·Zbl 0809.62014号 [3] 本杰米尼,《依赖性下多重测试中错误发现率的控制》,《统计年鉴》。第29页,1165页–(2001年)·兹比尔1041.62061 [4] Berger,《固定和顺序假设检验的统一条件频率和贝叶斯检验》,Ann.Statist。第22页,1787–(1994)·Zbl 0824.62002号 [5] Efron,微阵列实验的经验贝叶斯分析,J.Am.Statist。附件96第1151页–(2001年)·Zbl 1073.62511号 [6] 基因,错误发现率,技术报告(2001年) [7] –(2002)Bayesian和frequentist多重测试。技术报告764。匹兹堡卡内基梅隆大学统计系。 [8] Hoeffing,有界随机变量和的概率不等式,J.Am.Statist。第58章第13页——(1963年)·Zbl 0127.10602号 [9] Kiefer,条件置信声明和置信估计量(讨论),J.Am.Statist。资产负债表72第789页–(1977年)·Zbl 0375.62023号 [10] Storey,《错误发现率的直接方法》,J.R.Statist。Soc.64第479页–(2002年)·Zbl 1090.62073号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。