尼古拉斯·亨德森。;迈克尔·牛顿（Michael A.Newton）。 切割：改进大规模推理的排名和选择。 （英语） Zbl 1414.62064号 J.R.Stat.Soc.，序列号。B、 《统计方法》。 78，第4号，781-804（2016）. 摘要：在大规模推理的各个领域中，从大型集合中识别主要的度量单位是一项常见的推理任务。测试方法是针对零假设而非效应大小来衡量证据，往往会使领先单位列表中的领先单位数量过多，而这些领先单位与低测量误差相关。相比之下，局部最大似然法倾向于使用测量误差较大的单位。可用的贝叶斯和经验贝叶斯方法依赖于导致类似缺陷的专门损失函数。我们描述并评估了一种通用的经验贝叶斯排名程序，该程序以最大化真实和报告的所有列表大小的顶级列表之间预期重叠的方式填充顶级单位列表。该程序将单位特异性后验上尾概率与其经验分布相关联，以产生排名变量。与常用的非最大似然方法相比，它对高方差单位的折扣更低，从而在所考虑的模型中实现了改进的操作特性。 引用于5文件 MSC公司： 62F07型 统计排名和选择程序 62C12号机组 经验决策程序；经验贝叶斯程序 关键词：经验贝叶斯;后验期望秩;\（r \）-值 PDF格式BibTeX公司 XML格式引用 \textit{N.C.Henderson}和\textit{M.A.Newton}，J.R.Stat.Soc.，Ser。B、 统计方法。78，第4号，781--804（2016；Zbl 1414.62064） 全文： 内政部 arXiv公司 OA许可证