Optimal sequential multiple hypothesis tests
本文讨论了离散时间随机过程分布的多假设检验问题。贝叶斯和条件设置被认为是。刻画了最优序贯检验的结构。
2008-11-08 math.PR math.ST stat.ME
The power of forgetting in statistical hypothesis testing
本文提出将共形检验纳入一般统计假设检验框架，通过允许遗忘部分数据来完全覆盖共形检验，并指出标准方法的局限及未来研究方向。
2024-02-10 math.ST stat.ME stat.TH
Differentially private hypothesis testing in survival analysis
University of Warwick（华威大学）
本文研究了生存分析中差分隐私假设检验的问题，提出了针对Cox回归系数的隐私部分似然比检验和分数型检验，以及累积危险函数的隐私分布式两样本检验，并证明了差分隐私和有限样本检验保证以及最小最大下界，揭示了隐私在统计上可忽略、主导检验速率以及半参数生存模型中最优隐私检验率仍待解决的问题。
2026-05-16 math.ST stat.ME stat.TH
Robust Hypothesis Testing with Wasserstein Uncertainty Sets
我们考虑一个数据驱动的稳健假设检验，其中最优检验将最大限度地减少最坏情况下的性能，这些性能与Wasserstein距离的经验分布接近。这导致了一个新的非参数假设检验框架的基础上分布鲁棒优化，这是更强大的，当有有限的样本为一个或两个假设。这样的场景通常出现在医疗保健、在线变点检测和异常检测等应用中。我们研究的计算和统计特性提出了一个易于处理的凸重新制定的原始无限维变分问题利用Wasserstein的属性和特征的半径选择的不确定性集的测试。我们还证明了我们的方法在合成和真实数据上的良好性能。
2021-05-29 math.ST stat.ME stat.TH
Decentralized Sequential Hypothesis Testing using Asynchronous Communication
我们提出了一个测试的问题，分散序贯假设检验，这是渐近最优的。通过在每个传感器处选择合适的采样机制，传感器与融合中心之间的通信是异步的，并且限于1位数据。所提出的SPRT样测试原来是顺序2渐近最优的情况下，连续时间和连续路径信号，而在离散时间，这种强大的渐近最优性在适当的条件下保持。如果这些条件不成立，那么我们可以证明1阶最优性。仿真证实了感兴趣的测试的优异性能特征。
2009-08-28 math.ST stat.ME stat.TH
Hypothesis testing for a Lévy-driven storage system by Poisson sampling
本文主要研究了Lévy驱动存储系统输入的假设检验问题。由于可能性是不明确的，我们提出了两个测试，依赖于数据的转换。第一种方法使用i.i.d.。零工作量观测之间的“准繁忙期”。准忙期的持续时间的分布确定。第二种方法是条件似然比检验，其基于观察零或正工作负载的伯努利事件，以先前的工作负载为条件。性能分析，这两个测试以及收敛速度的结果，是独立的利益。
2020-11-20 math.PR math.ST stat.TH
Chi-squared test for hypothesis testing of homogeneity
给出了齐性假设检验卡方检验的非参数备择集一致相合的充要条件。卡方检验的单元数随着样本量的增加而增加。非参数方案集可以用密度和分布函数来定义。
2021-08-26 math.ST stat.TH
Asymptotically optimal multistage tests of simple hypotheses
本文基于有效的多级抽样方法，描述了一类简单假设的变级数多级检验。使用的损失函数，这是一个线性组合的抽样成本和错误概率，这些测试显示，以尽量减少二阶的综合风险，每阶段和每个观察的成本接近零。数值研究表明，在一个二项式测试问题的组序贯检验显着改善。
2007-12-05 math.ST stat.TH
On Hypothesis Testing for Poisson Processes. Singular Cases
研究了第一个假设是简单的，第二个假设是局部单侧复合的情况下的假设检验问题。讨论了当观测到的非齐次泊松过程的强度函数具有两种不同类型的奇异性：尖点奇异性和间断奇异性时，不同检验的阈值和幂函数的选择.通过数值模拟说明了渐近结果。
2015-02-24 math.ST stat.TH
A layman's note on a class of frequentist hypothesis testing problems
据观察，对于简单假设之间的测试，其中I型和II型错误的成本可以量化，最好让优化选择测试大小。
2015-02-04 math.ST stat.TH
On Hypothesis Testing for Poisson Processes. Regular Case
研究了第一个假设为简单假设，第二个假设为局部单侧复合假设的假设检验问题。本文讨论了当观测到的非齐次泊松过程的强度函数关于参数光滑时，Score函数检验、一般似然比检验、Wald检验和两种Bayes检验的阈值和幂函数的选择。它表明，几乎所有这些测试是渐近一致最强大的。给出了数值模拟的结果。
2015-02-25 math.ST stat.TH
Combined Hypothesis Testing on Graphs with Applications to Gene Set Enrichment Analysis
受基因集富集分析的启发，我们研究了图上的组合假设检验问题。我们引入了一个通用的框架，有效地使用结构信息的基础图形时，测试多元手段。在此框架内提出了一个新的测试程序。我们表明，该测试是最佳的，因为它可以始终检测偏离集体零的速度，没有其他测试可以提高，几乎所有的图。我们还提供了一般的性能界限下的任何特定的图，并说明他们的效用，通过几种常见类型的图。数值实验进一步证明了我们的方法的优点。
2016-10-24 math.ST stat.AP stat.ME
Robust hypothesis testing and distribution estimation in Hellinger distance
Google Research（谷歌研究院）
我们提出了一个简单的鲁棒假设检验，具有相同的样本复杂性的最佳Neyman-Pearson检验常数，但强大的分布扰动下Hellinger距离。我们讨论了这样一个强大的测试估计分布在Hellinger距离的适用性。我们经验证明的权力的典型分布的测试。
2020-11-03 cs.IT cs.LG math.IT
Limit theorem associated with Wishart matrices with application to hypothesis testing for common principal components
本文导出了当Wishart分布的自由度和矩阵参数的大小不同时Wishart分布的一个新性质。特别地，在高维渐近条件下证明了四个独立Wishart矩阵乘积的渐近正态性.作为结果的应用，提出了一个公共主成分假设的统计检验方法。对于这个问题，所提出的检验统计量在原假设下是渐近正态的。此外，在备择假设下，提出的检验统计量在概率上发散到正无穷大。
2020-07-19 math.ST stat.TH
Quantum hypothesis testing for quantum Gaussian states: Quantum analogues of chi-square, t and F tests
我们对待量子对应的测试问题，其最佳测试卡方，t和F测试。这些量子对应物被表述为关于量子高斯态族的量子假设检验问题，并且包含具有群对称性的扰动参数。量子Hunt-Stein定理去除了一部分扰动参数，但其他类型的困难仍然存在。为了消除它们，结合量子Hunt-Stein定理和其他归约方法，建立了一个通用的归约定理，将一个复杂的量子假设检验问题归约为一个基本的量子假设检验问题.使用这些方法，我们推导出卡方，t和F检验的量子对应物作为各自设置中的最佳测试。
2011-10-28 math.ST quant-ph stat.TH
Hypothesis Test of a Truncated Sample Mean for the Extremely Heavy-Tailed Distributions
本文利用截断截尾样本均值，讨论了均值或方差无穷大的极端重尾分布的假设检验问题。得到了截尾检验统计量的渐近分布分别收敛于正态分布、非正态分布、非稳定分布、收敛于$-\infty$分布或稳定分布的组合的三个充要条件.数值模拟说明了上述理论结果在假设检验中的应用。
2021-12-06 math.ST stat.AP stat.TH
Statistical Limits for Testing Correlation of Hypergraphs
本文研究了$n$上两个$m$ -一致超图之间相关性的假设检验问题。在零假设下，超图是独立的，而在备择假设下，超边具有与原假设相同的边缘分布，但在一些未知的节点置换后是相关的。我们重点讨论了两种情况：超图是由Gaussian-Wigner模型和稠密Erdös-Rényi模型生成的。我们推导出尖锐的信息论测试阈值。在阈值以上，存在区分备择假设和原假设的有效检验。在阈值以下，备择假设和原假设不可区分。阈值涉及$m$，并随着$m$变大而减小。这表明测试超图（$m\geq3$）的相关性比测试图（$m=2$）的相关性更容易
2022-02-11 math.ST stat.ML stat.TH
Logical coherence in Bayesian simultaneous three-way hypothesis tests
本文研究贝叶斯同时三向假设检验是否具有逻辑一致性。得到了两类结果。首先，在标准误差-明智的常数损失，只有有限的一组模型可以贝叶斯同时测试是逻辑上连贯的。第二，如果使用更一般的损失函数，则有可能获得逻辑上总是一致的贝叶斯同时检验。提供了这种损失函数的一个明确的例子。
2022-04-04 math.ST stat.TH
Minimum Probability of Error of List M-ary Hypothesis Testing
我们研究了贝叶斯M元假设检验的一个变体，在该检验中，在处理观察结果时，该检验输出M个可能的L个候选者的列表。研究了列表假设检验的最小错误概率问题，其中错误定义为真实假设不在检验输出列表中的事件。我们推导出两个精确的表达式的最小概率或错误。第一个是表示为某一非贝叶斯二元假设检验的错误概率，并让人想起元逆界。第二，表示为上述非贝叶斯二元假设检验中涉及的两个分布之间的似然比的尾概率。
2021-10-27 cs.IT math.IT math.ST
Feature Extraction for Universal Hypothesis Testing via Rank-constrained Optimization
Dept. of ECE and CSL, UIUC（伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系及协调科学实验室）
本文研究了在备择假设模型不完善且观测空间较大的情况下，通用假设检验问题的检验构造问题。不匹配通用测试是用于此目的的基于特征的技术。在以前的工作中，它表明，它的有限观察性能可以比（最佳）Hoeffding测试，良好的性能取决于关键的功能的选择。本文的贡献包括：1）得到了指数族中ε可区别分布个数的界。2)这激发了一个新的框架特征提取，铸造作为一个秩约束的优化问题。3)我们得到了一个基于梯度的算法来解决秩约束优化问题，并证明了其局部收敛性。
2010-06-13 cs.IT cs.LG math.IT
The Test of Tests: A Framework For Differentially Private Hypothesis Testing
Duke University（杜克大学）；University of Maryland（马里兰大学）；Reed College（里德学院）；UC Berkeley（加州大学伯克利分校）
我们提出了一个通用的框架，用于以黑盒的方式创建任何假设检验的差异私人版本。我们分析了由此产生的测试分析和实验。最重要的是，我们在小数据集上表现出了良好的实际性能，表明在λ = 1时，我们只需要完全公开设置中的5-6倍的数据。我们将我们的工作与现有的一个这种类型的框架进行比较，以及与几个单独设计的私人假设检验进行比较。我们的框架比其他通用解决方案具有更高的性能，至少与单独设计的测试相比具有竞争力（并且往往更好）。
2023-02-08 cs.CR cs.LG stat.ME
Interpretable hypothesis tests
虽然假设检验在科学中发挥着重要作用，但对它们的解释可能具有挑战性。三个问题是：（i）难以根据假设检验的输出做出果断的决定，（ii）在多个假设检验中发生的逻辑矛盾，以及（iii）拒绝精确假设时可能缺乏实际重要性。这些问题可以通过使用不可知论的测试和务实的假设来解决。
2019-04-13 stat.ME
Linear hypothesis testing in high-dimensional heteroscedastics via random integration
针对高维异方差一般线性假设检验问题，提出基于参考L2范数的随机积分方法，推导其原假设下的渐近性质，采用卡方型混合分布近似原分布，经模拟与真实数据验证该检验效能较强。
2024-09-18 math.ST stat.TH
A quantum linguistic characterization of the reverse relation between confidence interval and hypothesis testing
虽然统计假设检验的公式有很多种，但我们认为似然比检验是最合理、最正统的。然而，它并不方便，因此，它在初级书籍中并不常见。也就是说，在基础书籍中编写的统计假设检验不同于似然比检验。因此，从理论的角度，我们有这样一个问题：“什么是统计假设检验写在初级书籍？“例如，我们认为，即使是“单侧检验“和“双侧检验“之间的区别也不清楚。在本文中，我们对这个问题给出了答案。也就是说，我们提出了一个新的公式的统计假设检验，这是相反的置信区间的方法。换句话说，它们是同一枚硬币的两面。这将在量子语言（或测量理论）中完成，其特征在于量子力学的哥本哈根解释的语言转向，也是一种系统理论，因此它适用于经典和量子系统。由于量子语言适合于理论论证，我们相信我们的结果作为一般理论基本上是最终的。
2014-01-14 math.ST stat.TH
Hypothesis testing with active information
我们开发假设检验的积极信息-平均量的Kullback-Liebler分歧。据我们所知，这是第一篇论文，以获得确切的概率I型错误的假设检验在该地区。
2021-11-12 cs.IT math.IT math.ST
Weighted Hypothesis Testing
可以通过使用加权p值来增加多个检验程序的功效（Genovese，Roeder and Wasserman 2005）。我们推导出最佳的权重，我们表明，权力是非常强大的误指定这些权重。我们考虑在实践中选择权重的两种方法。第一，外部加权，是基于先验信息。第二种是估计权重，使用数据选择权重。
2006-04-07 math.ST stat.TH
On Consistent Hypothesis Testing
本文探讨了不同类型的相合检验存在的条件。这些类型的一致性的新的链接也被建立。可辨别（强一致）检验的存在是由逐点相合检验的存在得出的。如果存在相合检验，则备选方案集可以表示为嵌套子集的可数并集，使得对于假设和备选方案子集中的每一个都存在一致的相合检验。利用这些结果，我们分别对独立样本的概率测度、泊松过程的均值度量、高斯噪声中线性不适定问题的解的假设检验，给出了相容检验、逐点相容检验、一致相容检验和可分辨检验存在的充分条件和必要条件，讨论了反卷积问题的一种解法和高斯白噪声中的信号检测问题。在后三种情况下，必要条件和充分条件是一致的。
2015-04-20 math.ST stat.TH
Testing Copula Hypothesis with Copula Entropy
本文提出基于连接熵的连接函数假设检验方法，定义统计量为假设与真实连接熵之差，并给出高斯和Gumbel特例，经模拟实验验证有效性。
2025-10-26 stat.ME
General linear hypothesis testing of high-dimensional mean vectors with unequal covariance matrices based on random integration
本文针对协方差矩阵不相等的高维多样本均值向量一般线性假设检验问题，提出基于L^2范数与随机积分的检验统计量，推导其渐近分布，并通过模拟和实例验证其优势。
2024-10-21 math.ST stat.TH
Hypothesis Testing via Euclidean Separation
我们讨论了一个“操作”的方法来测试凸复合假设时，底层分布是重尾的。它依赖于凸集的欧几里德分离，并且可以被看作是[8，12]中开发的凸优化测试方法的扩展。特别是，我们展示了如何可以构建准最优的测试程序的家庭是majorated，在一定的精确意义上，由一个亚球对称的，并研究测试之间的关系的基础上欧氏分离和“潜在的测试。“我们将推广的方法应用于顺序检测问题，并说明其在动态系统输入变化的顺序检测应用中的实际实现。[8]Goldenshluger，Alexander和Juditsky，Anatoli和Nemirovski，Arkadi，凸优化的假设检验，电子统计杂志，9（2）：1645-1712，2015。[12]Juditsky，Anatoli和Nemirovski，Arkadi，通过仿射检测器进行假设检验，电子统计杂志，10：2204- 2242，2016。
2018-11-12 math.ST stat.TH
On Asymptotically Distribution Free Tests with Parametric Hypothesis for Ergodic Diffusion Processes
考虑了由遍历扩散过程的观测值构造渐近分布自由检验的问题。在基本假设下，假定趋势系数依赖于有限维参数，研究了Cramer-vonMises型统计量.基本的统计量取决于局部时间估计与不变密度的偏差，其中参数由最大似然估计代替。本文提出了一种线性变换，它使检验统计量收敛于Wiener过程的积分。因此，基于该统计量的检验是渐近分布自由的。
2013-05-15 math.ST stat.TH
Quantization of Prior Probabilities for Hypothesis Testing
贝叶斯假设检验研究假设的先验概率，作为一个随机向量，量化。最近邻和质心的条件，使用平均贝叶斯风险误差作为量化失真的措施。失真率函数的高分辨率近似也得到了。研究了隔离群体中的人类决策问题，假设贝叶斯假设检验与量化先验。
2008-05-28 cs.IT math.IT math.ST
Hypothesis testing near singularities and boundaries
似然比统计量在规则模型点处具有渐近$χ^2$分布，通常用于假设检验。然而，在模型奇点和边界处，渐近分布可能不是$χ^2$，Drton最近的工作强调了这一点。实际上，$χ^2$在奇点和边界附近进行测试时的不良行为在模拟中是明显的，并且可能导致保守或反保守测试。在这里，我们开发了一个新的分布设计用于在奇点和边界附近的假设检验，渐近同意的似然比统计量。对于两个例子三项式模型，进化树的推理的背景下产生的，我们表明新的分布优于一个$χ^2$。
2018-06-22 math.ST q-bio.PE stat.TH
Differentially Private Chi-Squared Hypothesis Testing: Goodness of Fit and Independence Testing
假设检验是一种有用的统计工具，用于根据总体样本确定是否应拒绝给定模型。样本数据可能包含有关个人的敏感信息，例如医疗信息。因此，重要的是要设计统计测试，以保证数据中受试者的隐私。在这项工作中，我们研究了假设检验受差异隐私，特别是卡方检验的拟合优度的多项式数据和两个分类变量之间的独立性。我们提出了新的测试适合的拟合优度和独立性测试，像经典版本可以用来确定是否一个给定的模型应该被拒绝或不，另外可以确保差分隐私。我们给出了基于蒙特卡罗的假设检验以及更严格遵循经典卡方拟合优度检验和皮尔逊卡方独立性检验的假设检验。至关重要的是，我们的测试考虑了注入的噪声的分布，以确保在确定显著性时的隐私。我们表明，这些测试可以用来实现所需的显着性水平，在鲜明的对比，直接应用经典的测试，以不同的私人列联表，这可能会导致广泛变化的显着性水平。此外，我们还研究了这些测试的统计功效。我们的经验表明，为了达到与经典非私人测试相同的功效水平，我们的新测试只需要相对适度地增加样本量。
2016-06-02 cs.CR math.ST stat.TH
Local Private Hypothesis Testing: Chi-Square Tests
差分隐私的局部模型正在成为收集和共享敏感信息的实际应用的参考模型，同时满足强隐私保证。在本地模型中，不存在允许每个人的原始数据的可信实体，因为在传统的馆长模型中假设差异隐私。因此，个人数据在共享之前通常会受到干扰。我们探讨了在局部模型中的私人假设检验的设计，其中每个数据条目都被扰动以确保每个参与者的隐私。具体来说，我们分析了本地私人χ 2检验的拟合优度和独立性测试，这已经在传统的，馆长模型的差异隐私研究。
2018-03-09 cs.CR math.ST stat.TH
Sub-Gaussian Error Bounds for Hypothesis Testing
我们从几何的角度来解释基于似然的测试函数，其中Kullback-Leibler（KL）散度被用来量化从一个分布到另一个分布的距离。这样的测试函数可以被看作是一个亚高斯随机变量，我们提出了一个原则性的方法来计算其相应的亚高斯范数。然后，二元假设检验的误差界可以得到的亚高斯范数和KL的分歧，这是更丰富的信息比Pinsker的界时，规定的显着性水平。对于$M$ -ary假设检验，我们还得到了一个误差界，这是互补的Fano不等式，当假设的数量或样本量不大时，信息量更大。
2021-01-01 cs.IT math.IT math.ST
On the Chernoff bound for efficiency of quantum hypothesis testing
本文估计了量子假设检验的有效性的估计率。对于联合和可分离的测量，给出了近似的边界的速率，如果两个状态是混合和精确的表达式，如果至少有一个状态是纯的。可分离测量的测试的效率被发现是接近的联合测量的测试的效率。最后通过量子纠缠的实验验证了这一结果。
2003-08-08 math-ph math.MP math.ST
Minimax Rates in Network Analysis: Graphon Estimation, Community Detection and Hypothesis Testing
本文综述了网络分析的基本极限和优化算法的一些最新进展。我们专注于最小最大最优率在网络分析的三个基本问题：图子估计，社区检测，和假设检验。对于每一个问题，我们回顾国家的最先进的结果，在文献中遵循的一般原则，导致最小最大估计和测试的最佳程序。这使我们能够从一般的角度将网络分析中的问题与其他统计推断问题联系起来。
2019-02-14 cs.SI math.ST stat.ML
Optimal Statistical Hypothesis Testing for Social Choice
Rensselaer Polytechnic Institute（伦斯勒理工学院）
我们在本文中解决以下问题：“什么是最强大的统计方法的社会选择？"通过利用Neyman-Pearson框架中的一致最不利分布理论，对有限模型和随机化检验，我们刻画了一致最大功效（UMP）检验，这是一种被广泛接受的统计最优性。鲁棒性，用于测试给定的替代品是否是马洛斯的模型和孔多塞的模型下的赢家，分别。
2020-06-19 cs.AI cs.GT math.ST
Optimal Rate-Exponent Region for a Class of Hypothesis Testing Against Conditional Independence Problems
研究了一类分布式条件独立性假设检验问题。在规定最小化的第二类错误率受到（恒定）上界$ε$的第一类出错率的标准下，我们表征了离散无记忆和无记忆矢量高斯设置的编码率和指数的集合。
2019-04-04 cs.IT math.IT math.ST
Optimal Hypothesis Testing Based on Information Theory
针对假设检验缺乏统一评估指标、无通用最优方法的问题，本文提出包含检验信息、准确度指标、SAP检验方法等五部分的信息论框架，证明了检验定理，并通过仿真验证SAP检验的渐近最优性。
2023-06-16 cs.IT math.IT math.ST
Hypothesis Testing for Shapes using Vectorized Persistence Diagrams
拓扑数据分析涉及数据形状的统计特征。持久同源性是拓扑数据分析的主要工具，可以用来分析拓扑特征和进行统计推断。在本文中，我们提出了一个两阶段的假设检验向量持久性图。第一阶段过滤向量化持久性图中的向量元素以增强测试的能力。第二阶段由多个假设检验组成，假阳性由错误发现率控制。我们证明了我们的方法的灵活性，通过将其应用到各种模拟和现实世界的数据类型。我们的研究结果表明，建议的假设检验，使准确和翔实的推断数据的形状相比，现有的持久同源性的假设检验方法。
2023-02-28 math.AT stat.ME
The Sample Complexity of Distributed Simple Binary Hypothesis Testing under Information Constraints
该研究解决了信息约束下分布式简单二元假设检验样本复杂度的两个公开问题，证明序贯交互不降低样本复杂度，推导了通信约束下的最优紧界，并提出三项关键技术贡献。
2025-06-16 cs.IT math.IT math.ST
Revisiting Differentially Private Hypothesis Tests for Categorical Data
在本文中，我们考虑的方法进行假设检验的数据保护的统计披露控制技术被称为差分隐私。以前的差异私有假设检验方法要么用具有大方差的随机噪声干扰检验统计量（并导致显著的功效损失），要么直接向数据添加少量噪声，但未能响应于添加的噪声调整检验（导致有偏差的、不可靠的$p$值）。在本文中，我们开发了各种实用的假设检验来解决这些问题。使用不同的渐近制度，更适合于假设检验与隐私，我们显示了修改后的卡方检验和似然比检验之间的等价性。然后，我们为表格数据的各种应用开发了差分私有似然比和卡方检验（即，独立性、样本比例和拟合优度检验）。使用各种各样的隐私设置的小型和大型数据集的实验评估证明了我们的方法的实用性和可靠性。
2017-03-18 cs.CR stat.ME
On Robust Hypothesis Testing with respect to the Hellinger Distance
Tata Institute of Fundamental Research（塔塔基础研究所）；Carnegie Mellon University（卡内基梅隆大学）；Google Research（谷歌研究院）
研究了在样本可能不严格来自指定分布的情况下，如何通过Hellinger距离确定更接近的分布，并给出稳健检验的下界及对称卡方距离的启示。
2026-04-20 cs.IT math.IT math.ST
A Sampling-based Framework for Hypothesis Testing on Large Attributed Graphs
The University of Hong Kong（香港大学）；CNRS（法国国家科学研究中心）
提出一种基于采样的假设检验框架，形式化属性图中的节点、边和路径假设，并设计路径假设感知采样器PHASE及优化版PHASEopt，实验证明其在准确性和时间效率上的优势。
2025-02-26 cs.DB cs.LG stat.ML
Comment: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies
关于“统计学和遗传学研究中假设检验缺失信息部分的定量”的评论[arXiv：1102.2774]
2011-02-15 stat.ME
Hypothesis Testing of Blip Effects in Sequential Causal Inference
在这篇文章中，我们研究了治疗序列中治疗的瞬时/净效应的假设检验。说明了在原假设下，似然比检验和score检验可能存在维数灾难、零悖论和标准参数的高维约束.另一方面，我们在单点因果推断中通过少量的处理点效应构造Wald检验。我们表明，Wald测试可以避免这些问题，在相同的假设下，作为Wald测试测试点效应的治疗。仿真研究表明，Wald测试实现了标称水平的第一类错误和低水平的第二类错误。一个真实的医学例子说明了如何在实践中进行沃尔德测试。
2020-02-01 stat.ME
Rejoinder: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies
对“统计学和遗传学研究中假设检验缺失信息部分的定量”的反驳[arXiv：1102.2774]
2011-02-15 stat.ME
Large Deviation Analysis of Score-based Hypothesis Testing
本文分析基于分数的假设检验方法的性能，推导第一类与第二类错误概率上界，证明其指数在简单假设下渐近紧，并给出显式结果与数值验证。
2024-02-03 eess.SP stat.ME
Comment: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies
关于“统计学和遗传学研究中假设检验缺失信息部分的定量”的评论[arXiv：1102.2774]
2011-02-15 stat.ME
Differentially Private Hypothesis Testing with the Subsampled and Aggregated Randomized Response Mechanism
随机应答是分析机密数据的最古老和最知名的方法之一。然而，它的效用差异私人假设检验是有限的，因为它不能同时实现高隐私级别和低第一类错误率。在本文中，我们将展示如何使用子样本和聚合技术来克服这个问题。其结果是一个通用的方法，可用于频率和贝叶斯测试。{{We举例说明我们的建议在三种情况下的性能：线性回归模型的拟合优度检验，Wilcoxon检验的位置参数的非参数检验，以及非参数Kruskal-Wallis检验。
2023-03-03 stat.ME
An omnibus test for the global null hypothesis
在临床试验、遗传学研究或Meta分析中，当研究人员对检验单个假设不感兴趣时，全局假设检验是一个有用的工具，但在检验是否没有一个假设是错误的时候。当各个零假设独立时，如何检验全局原假设有几种可能性。如果假设许多单个零假设为假，则建议进行组合检验以最大化功效。然而，如果假设只有一个或几个零假设是假的，则基于个体检验统计量的全局检验更有效（例如，Bonferroni或Simes试验）。然而，通常没有关于错误的单个零假设的数量的先验知识。因此，我们提出了一个综合测试的基础上组合的p值。我们表明，这个测试产生了令人印象深刻的整体性能。所提出的方法是在R-包综合实施。
2017-09-04 stat.ME
Stock Price Forecasting and Hypothesis Testing Using Neural Networks
Rice University（莱斯大学）；Department of Economics（经济学系）
在这项工作中，我们使用递归神经网络和多层感知器从历史数据中预测纽约证券交易所，纳斯达克和美国证券交易所的股票价格。我们使用不同的架构进行实验，并比较数据规范化技术。然后，我们利用这些发现，通过正式的统计检验来质疑有效市场假说。
2019-08-28 cs.LG econ.EM q-fin.ST
