Ghosal,Subhashis公司;安妮迪亚·罗伊 预测依赖下的错误发现比例。 (英语) Zbl 1229.62098号 美国统计协会。 106,编号495,1208-1218(2011)。 总结:我们提出了一个灵活的框架,用于预测依赖性下的多种测试情况下的错误度量。我们的方法是基于用多元偏态分布的混合物来建模p值的probit变换的分布。该模型可以合并(p)值之间的依赖性,并允许对(p)密度值进行形状限制。概述了一种估计混合模型组成部分的非参数贝叶斯方法,并开发了马尔可夫链蒙特卡罗算法。这导致了对错误发现比例和相关可信带的预测。还导出了相关观测的正错误发现率表达式。通过仿真研究,说明了混合模型在多重测试关键量估计中的作用。还使用所开发的方法分析了肾移植数据集。 引用于4文件 MSC公司: 62J15型 配对和多重比较;多次测试 2015年1月62日 贝叶斯推断 62G05型 非参数估计 65立方厘米 马尔可夫链的数值分析或方法 65二氧化碳 蒙特卡罗方法 关键词:Dirichlet工艺混合物;错误发现率;\(p\)-值分布;形状限制;偏正态分布 PDF格式BibTeX公司 XML格式引用 \textit{S.Ghosal}和\textit{A.Roy},J.Am.Stat.Assoc.106,No.495,1208--1218(2011;Zbl 1229.62098) 全文: 内政部