Simultaneous Inference in Non-Sparse High-Dimensional Linear Models
稀疏性假设下的推理和预测是近年来的研究热点。然而，在实践中，稀疏性假设很难测试，更重要的是，通常可以违反。为了研究非稀疏高维线性模型下任意组参数的假设检验问题，将原假设转化为可检验的矩条件，然后利用自归一化结构分别构造单样本和双样本情形下的矩检验统计量.与单样本情况相比，双样本还需要卷积条件。值得注意的是，这些检验统计量包含修正的Dantzig检验，它同时估计模型参数和误差方差，而无需稀疏假设。具体来说，我们的方法可以扩展到重尾分布的误差，其鲁棒性。在非常温和的条件下，我们证明了I型错误的概率渐近等于标称水平α，II型错误的概率渐近为0。数值实验表明，我们提出的方法具有良好的有限样本性能。
2022-10-17 math.ST stat.TH
SCoRE Sets: A Versatile Framework for Simultaneous Inference
本文提出SCoRE集合框架，在任意度量空间上同时量化多个游程集的不确定性，统一了同时置信带、水平集估计和多重假设检验，并简化了相关假设。
2024-05-29 math.ST stat.TH
Simultaneous high-probability bounds on the false discovery proportion in structured, regression, and online settings
虽然传统的多重测试程序禁止用户做出自适应分析选择，但Goeman和Solari（2011）提出了一种同时推理框架，该框架允许用户在保持所选集合的错误发现比例（FDP）的高概率界限的同时具有这种灵活性。在本文中，我们提出了一类新的同时FDP界，专为嵌套序列的拒绝集。虽然大多数现有的同时FDP界限是基于封闭测试，使用全局空测试的基础上排序的p值，我们还考虑设置边信息可以利用提高功率，变量选择设置，其中敲除统计可以用来订购变量，以及在线设置，其中必须作出拒绝的决定，因为数据到达。我们的有限样本，封闭形式的界限是基于重新利用的FDP估计错误发现率（FDR）控制程序设计的上述设置。这些结果建立了一个新的连接之间的并行文献的同时FDP界和FDR控制方法，并使用证明技术，采用鞅和过滤，这是新的这些文献。我们证明了我们的研究结果的效用，通过增加最近的仿制品分析英国生物银行数据集。
2019-12-01 math.ST stat.TH
Simultaneous inference for partial areas under receiver operating curves -- with a view towards efficiency
我们提出了新的同时推理方法的诊断试验与精心设计的析因设计。我们感兴趣的参数不是通常使用的受试者工作特征（ROC）曲线下总面积，而是代表临床相关生物标志物截止值的ROC曲线下部分面积。我们构造了一个非参数的多重对比测试，这些参数，并表明它渐近控制的家庭明智的第一类差错率。在一系列计算机实验中研究了该检验的有限样本性质。我们提供的经验和理论证据支持的猜想，统计推断的ROC曲线下的部分面积比推断的总面积更有效。
2023-02-21 math.ST stat.TH
Simultaneous inference of correlated marginal tests using intersection-union or union-intersection test principle
同时推理的两种主要方法是交并测试和并交测试。对于交-并假设，比较了基于边际p值的经典IUT和全替代UIT。根据相关性、边际检验的数量和替代模式，考虑到其优点，即易于解释的同时置信区间的可用性，aiaUIT的固有功率损失似乎是可以接受的。
2021-11-15 stat.ME
Simultaneous Inference for High Dimensional Mean Vectors
设$X_1, \ldots, X_n\in\mathbb{R}^p$为i.i.d.。随机向量。我们的目标是执行同时推理的平均向量$\mathbb{E} (X_i)$与有限的多项式矩和超高的维度。我们的方法是基于截尾样本的平均向量。高斯近似结果推导出后者下非常温和的有限多项式（$(2+θ)$ -th）的时刻条件和维数$p$可以允许指数增长的样本大小$n$。在此基础上，我们提出了一种新的重建方法来构造均值向量的同时置信区间。
2017-04-16 math.ST stat.TH
Simultaneous hypothesis testing for comparing many functional means
针对多泛函记录数据的推断需求，提出一种可控制族系误差率的配对双样本同步检验方法，无需降维或调参，推导了相关理论结果并在人脑成像数据上验证了有效性。
2025-06-13 math.ST stat.AP stat.ME
Simultaneous confidence intervals for the interpretation of primary and secondary effects in factorial designs without a pre-test on interaction
具有可能交互作用的低维析因设计的分析是一个相关的问题。而不是共同的预测试的相互作用，同时推理过程中的主要因素在各自的水平上的次要因素，以及汇集在其所有的水平。
2022-03-28 stat.AP stat.ME
Simultaneous Hypothesis Testing Using Internal Negative Controls with An Application to Proteomics
阴性对照是科学研究中的一种常用技术，广义上指预期无效（"阴性结果"）的情况。一个真正的蛋白质组数据集的动机，我们将提出三个有前途的和紧密相连的方法，使用阴性对照，以协助同时假设检验。第一种方法使用负控制，以构建一个置换的p值为每个假设下的调查，我们给出了几个充分条件，这样的p值是有效的，正回归依赖于真空集（PRDS）。第二种方法使用负控制来构造错误发现率（FDR）的估计，并且我们给出了一个充分条件，在此条件下，基于此估计的逐步增加过程控制FDR。第三种方法，来自现有的特设算法的蛋白质组学分析，使用阴性对照构建一个非参数估计的本地错误发现率。最后，我们提出了一些实用的建议，并连接到最近提出的一些密切相关的方法。
2023-03-19 math.ST stat.AP stat.ME
Simultaneous test of the mean vectors and covariance matrices for high-dimensional data using RMT
本研究针对高维场景下两样本总体均值向量与协方差矩阵的同时检验问题，提出基于随机矩阵理论的修正似然比检验方法，推导了其极限零分布，模拟实验验证该方法在检验水平和效能上均优于现有方法。
2024-03-09 stat.AP
Simultaneous inference for monotone and smoothly time-varying functions under complex temporal dynamics
本文提出基于单调重排、非参数估计与自助法构造同时置信带的新框架，用于高维时间序列趋势和时变系数模型的同时推断，并通过温度与日照数据验证其有效性。
2025-08-19 math.ST stat.TH
Simultaneous Frequentist Calibration of Confidence Regions for Multiple Functionals in Constrained Inverse Problems
California Institute of Technology（加州理工学院）；University of Texas, Austin（德克萨斯大学奥斯汀分校）；Analytical Mechanics Associates（分析力学协会）；Carnegie Mellon University（卡内基梅隆大学）
本文通过统计检验反演框架，统一并扩展了线性逆问题中基于优化的置信域构造方法，在结构约束下实现了多泛函多维置信域的同时频率学派校准，有效缩小了置信域体积并推广至一般对数凹误差分布。
2025-10-13 math.ST stat.TH
Simultaneous confidence bands for nonparametric regression with functional data
我们考虑非参数回归的背景下，功能的数据，也就是说，当一个随机样本的功能是观察到一个细网格。我们得到一个功能渐近正态性的结果，允许建立同时置信带（SCB）的各种估计和推理任务。两个应用SCB程序的回归函数和拟合优度测试曲线回归模型提出。第一种方法在其他可用方法上提高了精度，而第二种方法可以检测参数化形状的局部偏离，而不是通常的拟合优度测试，仅跟踪全局偏离。SCB程序的数值研究和说明与语音数据集提供。
2010-07-20 math.ST stat.ME stat.TH
Simultaneous Control of All False Discovery Proportions in Large-Scale Multiple Hypothesis Testing
封闭检验程序通常用于族错误率（FWER）控制，但它们也可以用于获得所有假设子集中错误发现比例（FDP）的同时置信界限。在本文中，我们研究了封闭测试的特殊情况下，Simes本地测试。我们构建了一个新的快速和准确的捷径，我们用它来研究这种方法的权力时，假设的数量趋于无穷大。我们表明，如果存在最少量的信号，在任何期望的FDP水平检测假假设的平均功率不会消失。此外，我们证明了FDP的置信界是真实的FDP的相合估计量的每个非零子集。对于有限数量的假设的情况下，我们之间的连接Simes为基础的封闭测试和Benjamini和Hochberg的程序。
2017-10-23 stat.ME
Computational methods to simultaneously compare the predictive values of two diagnostic tests with missing data: EM-SEM algorithms and multiple imputation
针对缺失数据下两种二分类诊断试验预测值的同步比较问题，提出采用EM-SEM算法和多重插补两种计算方法求解假设检验，通过模拟实验分析检验效能并给出应用规则，编写了配套R程序，结果可用于阿尔茨海默病诊断。
2024-08-12 stat.OT
Principles in harmony: Closed testing meets the partitioning principle for computational efficiency
探讨多重检验中控制族错误率的封闭检验原理与构建同时置信区间的划分原理的算法关系，利用此关系扩展相关概念并延伸封闭检验程序，以得到计算可行且高效的算法。
2026-07-07 stat.CO stat.ME
A Direct Approach to Simultaneous Tests of Superiority and Noninferiority with Multiple Endpoints
本文提出基于UI-IU检验和最不利构形的统一框架，可同时检验多终点优效性与非劣效性，在严格控制Ⅰ类错误的同时提升效能并构造同时置信区间。
2023-09-29 stat.AP stat.ME
Only Closed Testing Procedures are Admissible for Controlling False Discovery Proportions
我们认为所有的多个测试方法控制的错误发现比例的尾部概率的类，无论是一个随机集或同时为许多这样的集。这类方法包括控制全家族差错率、广义全家族差错率、错误发现排除、联合差错率、同时控制所有错误发现比例等方法，以及看似无关的方法，如基因组学中的基因集测试和神经成像中的聚类推断方法。我们表明，所有这样的方法是等价于一个封闭的测试方法，或统一改进。此外，我们证明了一个封闭的测试方法是容许的方法控制尾部概率的错误发现的比例，当且仅当其所有的本地测试是容许的。这意味着，当设计这样的方法时，仅将注意力限制在封闭测试方法上就足够了。我们证明了这种设计原则的实际用途，通过构建一个统一的改进，最近提出的方法。
2022-04-29 math.ST stat.ME stat.TH
Informative Simultaneous Confidence Intervals for Graphical Group Sequential Test Procedures
Competence Center for Clinical Trials Bremen（不来梅临床试验能力中心）；University of Bremen（不来梅大学）；Institute for Statistics（统计研究所）
本文提出了一种控制家族错误率的组序列检验策略，通过利用先前阶段的证据提高显著性水平，优于现有方法，并引入了具有小功率损失的 informative 同时置信区间。
2026-05-12 stat.ME
Simultaneous Monitoring of a Large Number of Heterogeneous Categorical Data Streams
本文提出了一个强大的方案，以监测大量的分类数据流与异构参数或性质。所考虑的数据流可以是具有多个属性级别的标称数据流，也可以是具有属性级别之间的某种自然顺序的有序数据流，例如好的、边缘的和坏的。对于有序数据流，假设存在一个对应的潜在连续数据流来决定它，而且不同的数据流可能具有不同的属性水平数和不同的水平概率值。传统的多变量分类控制图因其高维性而无法应用。在这里，我们集成的局部指数加权似然比检验统计数据从每个单一的流，无论名义或有序，到一个强大的拟合优度测试通过一些归一化过程。最后提出了一种全球监测统计方法。仿真结果证明了该方法的鲁棒性和有效性。
2021-12-15 math.ST stat.ME stat.TH
Analysis of error control in large scale two-stage multiple hypothesis testing
当处理同时检验大量原假设的问题时，一种自然的检验策略是首先通过某种选择（筛选或过滤）过程减少被检验的假设的数量，然后同时检验所选择的假设。这种策略的主要优点是大大降低了高维的严重影响。然而，为了保持某种类型的错误控制，必须适当地考虑第一筛选或选择阶段。在本文中，我们将介绍一个选择规则的基础上的选择统计量是独立的检验统计量时，测试的假设是真的。结合这个选择规则和传统的Bonferroni程序，我们可以开发一个强大的和有效的两阶段程序。引入的过程有几个很好的属性：（i）它完全消除了选择效应;（ii）它减少了多重性效应;（iii）它不会“浪费”数据，同时进行选择和测试。渐近功率分析和仿真研究表明，该方法可以提供更高的功率相比，通常的多重检验方法，同时控制类型1的错误率。最佳选择阈值也来自基于我们的渐近分析。
2017-03-18 math.ST stat.ME stat.TH
Informative Simultaneous Confidence Intervals for Graphical Test Procedures
针对传统同时置信区间缺乏信息性的问题，本文将信息性SCI拓展至图形检验过程，通过对偶图和投影法定义新区间，给出迭代算法，实现信息增益与拒假设数目的折中，且信息量随反原假设证据增加而增长。
2024-06-24 stat.ME
Distributions associated with simultaneous multiple hypothesis testing
我们使用Benjamini和Hochberg（1995）的规则来控制错误发现率（FDR），从而得出具有统计学显著性的假设数量的分布。该分布具有小样本形式和同时检验许多独立假设的渐近表达式。我们提出了一个参数分布$\,Ψ_I(\cdot)\,$来近似非均匀备择假设下p值的边缘分布。当存在许多不同的备选假设并且这些假设不能单独很好地理解时，这种分布是有用的。我们将$\,Ψ_I\,$拟合到三项癌症研究的数据中，并用它来说明在这些例子中观察到的值得注意的假设数量的分布。我们使用Copula模型和潜变量方法对样本p值的依赖性进行建模。这些方法可以结合起来，说明在较小的试点研究的基础上规划大型研究的功效分析。我们发现统计学上显著的p值的数量近似表现为正态分布和Borel-Tanner分布的混合。
2018-02-25 stat.ME
Simultaneous comparison of the predictive values of two binary diagnostic tests in the presence of categorical covariates
University of Granada（格拉纳达大学）；University of Nouakchott Alaasriya（努瓦克肖特阿拉萨里亚大学）
本文提出一种全局假设检验，通过回归模型和加权最小二乘法，在存在分类协变量时同时比较两种二元诊断试验的预测值，模拟显示回归模型方法渐近行为更优且功效更高。
2026-09-24 stat.ME
False Discovery Variance Reduction in Large Scale Simultaneous Hypothesis Tests
假设之间的统计相关性对大规模多假设检验的稳定性提出了重大挑战。忽略它通常会导致假阳性比例的不可接受的大范围，即使平均值是可以接受的[21，39，40，49]。然而，数据的统计依赖结构往往是未知的。使用一个通用的信号处理模型，贝叶斯多重检验，和模拟，我们表明，即使在未知的短程依赖的假阳性比例的方差可以大大减少。我们这样做是通过建模的数据生成过程中嵌入在嘈杂的观察平稳遍历二进制信号的过程。通过将附近的观测值合并到二阶泰勒级数近似中，我们得到了贝叶斯多重检验所需的条件概率。在一般条件下进行仿真，以评估该方法的有效性和方差减少。在此过程中，我们解决了随机马尔可夫矩阵的采样问题，指定的平稳分布和上绝对特征值的下界，这是在其本身的权利感兴趣。
2018-10-12 stat.ME
Simultaneous confidence sets for ranks using the partitioning principle - Technical report
医疗中心或大学等机构的排名是基于一个指标，并伴随着不确定性措施，如标准差，置信区间应计算，以评估这些排名的质量。我们考虑的问题，同时构建置信区间的中心的排名的基础上观察到的样本。本文提出了一种基于多重检验的新方法，该方法利用了划分原则，并对划分进行了似然比（LR）检验。该算法的复杂度是超指数的。我们提出了几种方法和快捷方式来降低这种复杂性。我们还提供了一个多项式算法，它通过线性化LR检验的临界值，为多重检验产生一个非常好的括号。我们表明，Tukey的诚实的显着差异（HSD）测试可以被写为一个分区过程。新的方法具有很好的性能，在这个意义上，它打开了一扇门，在一个简单而容易的方式来构建新的方法，可以贸易的指数复杂性与测试的力量，反之亦然。与Tukey的HSD检验相比，当中心彼此接近或数据中的不确定性较高时，LR检验似乎给出更好的结果，这在模拟研究期间得到了证实。
2017-08-09 stat.ME
Fast Simultaneous Training of Generalized Linear Models (FaSTGLZ)
Columbia University（哥伦比亚大学）
我们提出了一种有效的算法，用于同时训练稀疏广义线性模型来解决许多相关问题，这些问题可能来自自举、交叉验证和非参数排列测试。我们的方法利用冗余的问题，以获得显着的计算改进相对于解决问题的顺序由传统的算法。我们在一些真实世界的数据集上展示了我们的快速同时训练广义线性模型（FaSTGLZ）算法，并且我们运行了计算密集型的自举和排列测试分析，这些分析通常是获得统计上严格的分类结果和有意义的解释所必需的。代码可以在http://liinc.bme.columbia.edu/fastglz上免费获得。
2013-07-31 cs.LG stat.ML
Simultaneous inference: When should hypothesis testing problems be combined?
现代统计学家经常同时面临成百上千个假设检验问题，这些问题来自新的科学技术，如微阵列、医疗和卫星成像设备或流式细胞计数器。相关的统计学文献往往从一个默认的假设开始，即一个单一的综合分析，例如错误发现率评估，应该应用于手头的整个问题集。这可能是一个危险的假设，正如本文中的例子所显示的那样，在任何特定的案例子类中都会导致过于保守或过于自由的结论。一个简单的贝叶斯理论产生了一个简洁的描述的影响，分离或组合的错误发现率分析。该理论允许在小的子类内进行有效的测试，并应用于“富集”，即检测多情况效应。
2008-03-27 stat.AP
Simultaneous Rank Tests in Analysis of Covariance Based on Pairwise Ranking
非参数检验为相应的最小二乘法提供了稳健而强大的替代方法。处理效应的非参数成对比较有两种方法，基于成对排序的方法和基于总体排序的方法。前者是文献中普遍推荐的，因为它的强大的控制famywise错误率。然而，该方法仅适用于单向布局和随机完全区组。通过结合对齐秩和成对秩的方法，我们将Steel-Dwass成对比较扩展到单侧和双侧比较的协方差分析和析因模型，以及治疗与对照的检验。与传统的两样本标准化检验统计量不同，本文提出了秩尺度参数的加权估计，并通过模拟表明，它通过将族间误差率控制在名义水平上，具有优越的小样本性能。该方法改进了Steel-Dwass法在单向布局下的大样本逼近。推导了边界和联合渐近分布，并与对齐秩变换法和最小二乘法进行了功效比较。
2018-02-12 stat.ME
Simultaneous test for Means: An Unblind Way to the F-test in One-way Analysis of Variance
本文提出一种将方差分析检验与两两比较合并为一步的决策限表达式，基于第二类贝塔分布和调整p值控制第一类错误，并通过模拟和实例验证其有效性。
2020-02-29 stat.ME
Localizing differences in smooths with simultaneous confidence bounds on the true discovery proportion
本研究提出一种基于真实发现比例（TDP）同时置信界的方法，通过Simes局部检验的闭合检验定位两个光滑函数的差异区域，证明了相关统计量的PRDS性质，借助低次惩罚B样条协方差的非对角衰减结构实现良好功效，经仿真和脑瘫步态研究验证有效。
2024-10-31 stat.ME
Multiple Comparison Procedures for Simultaneous Inference in Functional MANOVA
提出一类用于函数数据析因设计中任意线性假设的检验程序，支持全局与多重推断且不依赖特定误差分布，通过重采样方法实现渐近有效并验证了小样本性能与实际适用性。
2024-06-03 stat.ME
Simultaneous confidence intervals for an extended Koch-Röhmel design in three-arm non-inferiority trials
针对三臂金标准非劣效试验的测定灵敏度问题，本文扩展Koch-Röhmel设计，为适应性检验补充适配的同时置信区间，通过模拟比较不同构建方法并应用于真实临床试验。
2022-10-17 stat.ME
Multiple Hypothesis Testing in Pattern Discovery
多个假设检验的问题出现时，有一个以上的假设要同时测试的统计意义。这是许多数据挖掘应用程序中非常常见的情况。例如，同时评估单个数据集的所有频繁项集的重要性需要一系列假设，每个项集一个。需要多重假设检验方法来控制假阳性（第一类错误）的数量。我们在本文中的贡献是扩展的多假设框架，使用一个通用的数据挖掘算法。我们提供了一种方法，可证明控制的家庭明智的错误率（FWER，至少有一个假阳性的概率）在很强的意义上。我们评估我们的解决方案在真实和生成的数据上的性能。结果表明，我们的方法控制FWER，同时保持测试的功率。
2009-06-29 stat.CO stat.ML
Anytime-valid simultaneous lower confidence bounds for the true discovery proportion
Institute for Statistics, University of Bremen（不来梅大学统计研究所）
本文提出结合闭合检验框架与安全任意时间有效推断（SAVI）概念，计算多重检验设置中真实发现比例的下置信界。该方法提供在每个观测时间点都有效的置信界，并对所有可能的假设子集同时有效。在假设固定的情况下，允许子集变化，支持序列更新和可选停止，适用于数据采集成本高的领域如神经科学。
2026-04-22 stat.ME
Simultaneous inference for generalized linear models with unmeasured confounders
Carnegie Mellon University（卡内基梅隆大学）
针对含未测量混杂的多元广义线性模型大规模检验问题，提出整合线性投影、lasso 联合估计与偏差校正的统一推断框架，并证明错误控制、功效及单细胞 RNA-seq 应用优势。
2025-03-15 cs.LG q-bio.GN stat.ME
Simultaneous Confidence Tubes for Comparison of Several Multivariate Linear Regression Models
在过去的60多年里，关于多重比较和同时推理的研究大多是针对几个总体均值的比较。Spurrier（1999）似乎是第一个使用同时置信带研究几个简单线性回归线的多重比较的人。本文将Liu等（2004）利用联合置信带对几个单变量线性回归模型进行有限比较的工作推广到利用联合置信管对几个多元线性回归模型进行有限比较。我们展示了如何同时置信管可以构建允许多个多元线性回归模型的比较，比目前的假设检验方法更翔实的推论。用实例说明了这些方法。
2020-05-20 stat.ME
Valid Simultaneous Inference in High-Dimensional Settings (with the hdm package for R)
随着高维经验应用在许多研究领域的日益广泛，有效的同时推理变得越来越重要。例如，经济学研究中可能会出现高维设置，因为数据集非常丰富，有许多潜在的协变量，或者在治疗异质性分析中。此外，潜在的更复杂的（非线性）函数形式的回归关系的评估导致许多潜在的变量，同时推理语句可能是感兴趣的。在这里，我们提供了一个审查的经典和现代的方法，同时推理（高维）的设置，并说明其使用的案例研究使用R包HDM。R软件包hdm实现了有效的联合强大和有效的假设检验的潜在大量的coeffcients以及建设的同时置信区间，因此，提供了有用的方法来执行有效的后选择推理的基础上LASSO。
2018-09-13 econ.EM stat.ML
Simultaneous Change Point Detection and Identification for High Dimensional Linear Models
本文针对高维线性模型提出同时进行变点检测与识别的新方法，通过检验回归系数同质性并利用 argmax 估计量定位变点，结合二分分割扩展至多变点情形，数值实验和阿尔茨海默病数据应用验证了其有效性。
2024-01-16 stat.ME
Step-up simultaneous tests for identifying active effects in orthogonal saturated designs
制定了关于正交饱和设计中可忽略效应（零效应）数量的零假设序列。提出了两个逐步上升的同时测试程序，以确定积极的影响（非零效应）的常用假设下的效果稀疏。它表明，每个程序控制experimentwise差错率在一个给定的$α$水平在强意义上。
2007-08-06 math.ST stat.TH
Cramér Type Moderate Deviation for the Maximum of the Periodogram with Application to Simultaneous Tests in Gene Expression Time Series
本文导出了周期图最大值的Cramér型中偏差及其学生化形式。然后将结果应用于基因表达时间序列的同时测试问题。结果表明，如果基因数$G$和样本量$n$满足$G=\exp(o(n^{1/3}))$，则同时检验的水平是准确的。
2009-08-10 math.PR math.ST stat.TH
Bayesian Simultaneous Estimation for Means in $k$ Sample Problems
本文讨论了当怀疑$k$总体均值近似相等时，对$k$总体均值的同时估计问题。作为一种替代的初步测试估计的基础上的检验统计量检验假设的平均值相等，我们推导出贝叶斯和极大极小估计，缩小个人样本均值的平均值向一个合并的平均估计的假设下。结果表明，无论是初步的测试估计和贝叶斯极大极小收缩估计进一步改善通过收缩的合并的均值估计。通过仿真研究了所提出的收缩估计器的性能。
2018-08-23 math.ST stat.TH
Power-enhanced simultaneous test of high-dimensional mean vectors and covariance matrices with application to gene-set testing
近年来，高维数据的幂增强检验在理论和应用统计学中受到越来越多的关注。现有的测试拥有各自的高功率区域，我们可能缺乏先验知识的替代品时，在实践中测试感兴趣的问题。迫切需要针对更一般的替代方案开发强大的测试程序。本文研究高维数据的双样本均值向量与协方差阵的联合检验问题。我们首先将高维均值检验或协方差检验的高次幂区域扩展到更宽的替代空间，然后在同时检验中将它们的优势结合在一起。我们开发了一个新的功率增强的同时测试，是强大的，以检测无论是稀疏或密集的替代品下的均值向量或协方差阵的差异。我们证明了所提出的测试程序与Fan等人（2015）引入的功率增强原理一致，并实现了准确的渐近大小和一致的渐近功率。我们展示了有限样本的性能，使用模拟研究和实际应用，以找到差异表达的基因集在癌症研究。我们在实证研究中的发现得到了生物学文献的支持。
2021-09-30 math.ST stat.ME stat.TH
Large-scale simultaneous inference under dependence
同时推理允许在决定宣布发现的标准的同时探索数据。最近证明，所有可接受的事后推理方法的真正发现必须采用封闭测试。在本文中，我们研究了一种特殊形式的局部测试的有效封闭测试：阈值的测试分数为个别假设的总和的函数。在这种特殊的设计下，我们提出了一个新的统计，量化多重调整的成本，我们开发快速（主要是线性时间）算法事后推理。结合基于广义平均值的全局空测试的最新进展，我们的工作实例化了一系列同时推理方法，可以处理许多依赖结构和信号组合。我们通过对不同局部测试的保守性和灵敏度的理论研究，以及找到局部测试和全封闭测试的类似行为的模拟，为方法选择提供指导。
2022-03-23 math.ST stat.ME stat.TH
Simultaneous Inference for High-dimensional Linear Models
本文提出了一种基于最近的去稀疏化Lasso估计（van de Geer et al. 2014）对高维稀疏线性模型进行同时推断的引导辅助过程。我们的程序允许感兴趣的参数向量的维度以指数方式大于样本量，并且它自动考虑去稀疏化Lasso估计器内的依赖性。此外，我们的同步测试方法可以自然地与边缘筛选（Fan and Lv 2008）相结合，以提高其在稀疏测试中的能力，同时降低计算成本，或者与步降方法（Romano and Wolf 2005）相结合，以提供对家族差错率的强有力控制。在理论上，我们证明了我们的同时测试程序渐近达到预先指定的显着性水平，并享有一定的最优性，即使在其权力的模型误差是非高斯。我们的一般理论也是有用的研究支持恢复问题。为了扩大适用范围，我们进一步将我们的主要结果推广到具有凸损失函数的广义线性模型。我们的方法的有效性通过仿真研究证明。
2016-03-03 math.ST stat.TH
Doublethink: simultaneous Bayesian-frequentist model-averaged hypothesis testing
本文提出Doublethink方法，证明贝叶斯模型平均假设检验可强控制频率学派FWER，并同时给出后验优势比和渐近p值，通过孟德尔随机化与模拟验证其有效性。
2025-05-09 math.ST stat.ME stat.TH
Testing monotonicity via local least concave majorants
我们提出了一种新的测试程序，用于检测嵌入在白噪声中的信号的局部偏离单调性。事实上，我们同时执行几个测试，旨在检测偏离的集成信号在不同的大小和本地化的各种间隔。这些局部测试中的每一个都依赖于估计积分信号到某个区间的限制与其最小凹优量之间的距离。我们的测试可以很容易地实现，并被证明可以同时实现最佳的均匀分离率为广泛的Hölderian替代品。此外，我们展示了如何将此测试扩展到具有未知方差的高斯回归框架。仿真研究证实了我们的程序在实践中的良好性能。
2014-03-07 math.ST stat.TH
Simultaneous Inference in Multiple Matrix-Variate Graphs for High-Dimensional Neural Recordings
Carnegie Mellon University（卡内基梅隆大学）；Purdue University（普渡大学）；University of Pittsburgh（匹兹堡大学）
本文提出了一种统一框架，结合组惩罚回归和高维高斯近似自助法，用于高维神经记录中多个矩阵变量图的同时推断，实现对任意大小边子集的全局检验。
2026-01-17 math.ST stat.ME stat.TH
Sequential Tests of Multiple Hypotheses Controlling False Discovery and Nondiscovery Rates
我们提出了一个通用的和灵活的程序来测试多个假设的顺序（或流）的数据，同时控制的错误发现率（FDR）和错误的非发现率（FNR）的最小假设下的数据流，可能会有所不同的分布，尺寸，并依赖。所有需要的是用于控制传统的I型和II型错误概率的每个数据流的检验统计量，并且不需要关于统计量或数据流的联合分布的信息或假设。该程序可与顺序、成组顺序、截断或其他采样方案一起使用。该程序是Benjamini和Hochberg（1995）广泛使用的固定样本量程序到顺序数据领域的自然扩展，具有序贯抽样提供的同时FDR和FNR控制的额外好处。我们证明了程序的错误控制，并给出了一些提示，在常见的测试情况下实施。
2019-01-11 math.ST stat.ME stat.TH
