在稀疏序列模型中，我们考虑了一个流行的贝叶斯多重测试过程，并首次从频率学家的角度研究了其行为。给定高维稀疏未知参数的尖峰和斜率先验，可以很容易地计算出尖峰的后验概率，这对应于众所周知的局部fdr值[27]，也称为ℓ-值。使用边际最大似然法，以经验贝叶斯方式校准峰值-峰值-峰值权重参数。正在研究的多重测试程序在这里称为累积？值程序，根据经验对坐标进行排序ℓ-值和阈值，以便累计排名总和不超过用户特定的级别t吨我们从多重测试的角度验证了该方法的使用：对于适当大信号强度的替代方案，该过程的错误发现率（FDR）显示收敛到目标水平t吨，而其假阴性率（FNR）为0。我们通过提供该方法的收敛速度来补充这项研究。此外，我们证明q个-值多重检验程序[44,17]在该模型中具有相似的收敛速度。