我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们提出了一种在高维模型中构造大参数向量的单个或低维分量的置信区间和统计检验的通用方法。考虑到测试之间的依赖性,它可以很容易地针对多重性进行调整。对于线性模型,我们的方法与Zhang和Zhang中的方法基本相同[J.R.统计社会服务。B统计方法。 76(2014)217–242]:我们分析了其渐近性质,并根据半参数效率建立了其渐近最优性。我们的方法自然扩展到具有凸损失函数的广义线性模型。我们发展了相应的理论,其中包括对高斯、亚高斯和有界相关设计的仔细分析。
萨拉·范德格尔(Sara van de Geer)。 彼得·鲍尔曼(Peter Bühlmann)。 亚亚科夫·里托夫。 鲁本·德泽尔。 “关于渐近最优置信区间和高维模型的检验。” 安。统计师。 42 (3) 1166 - 1202, 2014年6月。 https://doi.org/10.1214/14-AOS1221