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。